一、分布式爬虫
1.分布式爬虫:(1)默认情况下,scrapy爬虫是单机爬虫,只能在一台电脑上运行;爬虫调度器中的队列去重、set集合都是 在本机上创建,其他的电脑无法访问另外一台电脑上的内存内容。
(2)分布式爬虫用一个共同的爬虫程序,同时部署到多台电脑上运行;这样可以提高爬虫速度,实现分布式爬
虫。
2. 分布式爬虫的前提:(1)要保证每一台计算机都能够正常的执行scrapy命令,,能够启动爬虫。
(2)要保证所有的爬虫程序可以访问同一个队列和同一个set集合。
3.分布式爬虫的使用范围/要求:(1)分布式爬虫对电脑的性能有一定的要求(2)分布式爬虫对网速也有一定的要求,如果电脑 性能和网速不是很好,爬虫效率就不如单机爬虫。
4.分布式爬虫经常和redis数据库一起使用,redis数据特点:(1)优点:体积小,使用方便;如果存储数据量比较大,启动速度很快,数据中的数据和内存的数据可以互相访问;(2)缺点:从安全的角度来说,持久化数据可能会崩溃,造成数据丢失。
5.要实现分布式爬虫,首先要配置服务器主从,配置主从的目的:(1)达到一个备份的功能。一旦master出现崩溃,而数据库中还有数据,可以将其中的一个slave重新设置为主服务器,从而恢复redis的正常运行;(2)一个redis服务器负责读写,性能较低,通过主从来减轻一个redis的压力。
6.redis主从的特点:(1)master只负责写入数据,slave只负责读取数据(2)当slave创建的时候,会向master发送一个同步的命令,master接收到命令以后,将同步数据给slave(3)master只能有一个,slave可以有多个。
二、redis
Redis 是完全开源免费的,遵守BSD协议,是一个高性能的key-value数据库。
Redis 与其他 key - value 缓存产品有以下三个特点:
Redis支持数据的持久化,可以将内存中的数据保存在磁盘中,重启的时候可以再次加载进行使用。
Redis不仅仅支持简单的key-value类型的数据,同时还提供list,set,zset,hash等数据结构的存储。
Redis支持数据的备份,即master-slave模式的数据备份。
redis的下载地址(https://github.com/MicrosoftArchive/redis/releases),然后选择Redis-x64-3.2.100.zip进行下载。解压缩后,将解压的东西放进一个新建文件夹redis.
打开命令窗口,进入到redis文件夹,然后输入res-server redis.windows.conf
然后再开启一个cmd窗口,不能关闭原来的,不然就无法访问服务端了。进入到redis目录下,运行redis-cli -h 127.0.0.1 -p 6379;设置键值对set task1 spider_baidu,再取出键值对get task1