问题描述
由于平台需要爬取海外某网站上公开的数据资料,该网站的反爬虫能力很强,用传统的爬虫框架根本无法实现业务功能,最后无奈我们只能使用PhantomJs来模拟真实浏览器操作爬取数据。但是我们发现该网站的API有时候返回的数据比较大,耗时比较长,我们通过PhantomJs提供的命令无法kill掉线程,导致资源无法回收。
问题原因
PhantomJs每打开一个页面都如浏览器打开一个新的窗口会占用一定的资源,如果不能支持关闭这些窗口,会导致服务器资源耗尽,无法响应服务。
解决方案
在linux系统增加一个定时任务,定时扫描未正常关闭的phantomJs进程,如果超长未响应,系统调用命令kill掉线程。
线程脚本放置目录统一为
/mnt/phantomjs/script/killPhantomJs.sh
- 执行命令 启动定时器
service crond start
- 添加一个定时任务 每5分钟执行一次
crontab -e
输入:*/5 * * * * /mnt/phantomjs/script/killPhantomJs.sh
输入:wq保存退出
- 重启一下cond服务
- 执行crontab -l 查看当前调度任务
如果需要命令详细的命令脚本代码,可以打赏联系我