要在远程服务器上布署自己的分布式爬虫,个人比较推荐gerapy爬虫管理框架。
这里就详细介绍一下gerapy的用法。
1.首先要下载grapy,同样如果使用虚拟环境做开发,以下操作全部在虚拟环境下进行,先进入命令行工具,进入虚拟环境,执行pip install gerapy
2.安装之后进行初始化,执行gerapy init
执行完毕之后,本地便会生成一个名字为 gerapy 的文件夹,接着进入该文件夹,可以看到有一个 projects 文件夹,我们后面会用到。
3.紧接着在gerapy目录下执行gerapy migrate
这样它就会在 gerapy 目录下生成一个 SQLite 数据库,同时建立数据库表。
4.gerapy这时已经配置完毕,接下来还有其他的准备工作要做
a.既然要在远程服务器(也是从属机)上的分布式爬虫,远程服务器必须开启scrapyd服务,进入scrapydtest文件,在命令行输入scrapyd。
b.主机必须在命令行中开启redis服务和scrapyd服务,保留命令行窗口
c.必须准备一套公用的分布式爬虫代码,里面的cfg文件,以及settings,爬虫文件都要配置好,备用。
d.如果要连接远程服务器,也就是从属机,每一台服务器都需要修改一个配置,如下(目的是开放权限,让主机可以连接各个从属机):