scrapy部署介绍相关的中文文档地址
https://scrapyd.readthedocs.io/en/latest/
安装相关库
scrapyd
是运行scrapy爬虫的服务程序,它支持以http命令方式发布、删除、启动、停止爬虫程序。而且scrapyd可以同时管理多个爬虫,每个爬虫还可以有多个版本
pip3 install scrapyd
scrapyd-client
发布爬虫需要使用另一个专用工具,就是将代码打包为EGG文件,其次需要将EGG文件上传到远程主机上这些操作需要scrapyd-client来帮助我们完成
pip3 install scrapyd-client
安装完成后可以使用如下命令来检查是否安装成功
scrapyd-deploy -h
修改scrapy项目目录下的scrapy.cfg配置文件
首先需要修改scrapyd.egg (项目的配置文件)
[deploy]
url=http://localhost:6800
project=项目名称
本地部署本地部署
项目部署相关命令: 注意这里是项目的名称而不是工程的名称
scrapyd-deploy -p <项目名称>
也可以指定版本号
scrapyd-deploy -p <项目名称> --version <版本号>
爬虫运行相关命令详情见:
https://scrapyd.readthedocs.io/en/latest/api.html
远端部署
配置服务器
step1 购买linux系统服务器
step2 在终端上登录服务器
step3 配置项目运行环境
-
配置python环境(ubuntu自带python3环境))
-
安装pip3:sudo apt install python3-pip
-
安装scrapy:pip3 install scrapy -i https://pypi.douban.com/simple/
- 如果安装失败添加如下依赖:
sudo apt-get install python-dev python-pip libxml2-dev libxslt1-dev zlib1g-dev libffi-dev libssl-dev
-
安装scrapyd: pip3 install scrapyd
-
安装scrapyd-client: pip3 install scrapyd-client
-
添加爬虫运行的三方库:
- pip3 install requests
- pip3 install pymysql
- pip3 install pymongodb
- …
step4 修改scrapyd的配置文件,允许外网访问
- 查找配置文件的路径:find -name default_scrapyd.conf
- 修改配置文件: sudo vim 路径
注意:此时启动scrapayd服务6800端口还不能访问
step5 要去服务器安全组配置
- 进入服务安全组选项添加安全组
- 添加成功后,点击修改规则,添加如下信息(配置目的:允许访问6800端口)
- 完成后返回到云主机菜单,找到配置安全组菜单,跟换为刚才添加的安全组
- 最终完成后,在浏览器中输入ip地址和端口,显示如下图,说明配置成功
step6 最后部署爬虫项目到服务器:
首先需要修改scrapyd.egg (项目的配置文件)
[deploy]
url = http://118.24.255.219:6800
project=项目名称
step7 项目部署
scrapyd-deploy -p <项目名称>
也可以指定版本号
scrapyd-deploy -p <项目名称> --version <版本号>
数据库相关
#### 如果涉及到数据库,则需要在远程服务器中安装mysql
sudo apt update
sudo apt-get install mysql-server mysql-client
紧接着根据提示设置数据数据库密码
修改配置文件允许外网访问
找到mysql配置文件并做如下修改:允许远程连接
sudo vi /etc/mysql/mysql.conf.d/mysqld.cnf
将
bind-address= 127.0.0.1
注释掉或则修改为
bind-address= 0.0.0.0
授权root账户允许远程访问:
grant all privileges on *.* to root@'%' identified by 'password' with grant option;
注意:如果还是不能远程访问就重启mysql服务
sudo service mysql stop sudo service mysql start
数据库的迁移和数据迁移
navicate可视化工具进行数据库的迁移,和查看操作
mongodb数据库的安装
sudo apt-get install mongodb
启动:
sudo service mongodb start
连接客户端报错参考如下网址:
(输入:sudo systemctl enable mongodb) mongo
修改配置文件的路径
sudo vim /etc/mongodb.conf
redis数据库的安装
在远端服务器上安装redis数据库
-
step1:
- cd ~ (进入指定的目录)
-
step2:
- 下载redis数据库压缩包:
wget http://download.redis.io/releases/redis-4.0.10.tar.gz
-
step3:
- 解压下载的文件:
tar -zxvf redis-4.0.10.tar.gz
- 解压下载的文件:
-
step4:
- 复制,放到/usr/local目录下面( 先创建文件夹/usr/local/redis/ )
- mv ./redis-4.0.11/* /usr/local/redis/
-
step5:进入redis目录
- cd /usr/local/redis/
-
step6:
- sudo make
- sudo make test
- sudo make install
-
step7:
- sudo cp /usr/local/redis/redis.conf /etc/redis/
-
step8:
- 修改配置文件,允许外网访问
sudo vim redis.cnf- 将配置文件中的bind修改为:
bind=0.0.0.0
- 将配置文件中的bind修改为:
- 修改配置文件,允许外网访问
-
step9:
- 启动redis服务:
sudo redis-server redis.cnf
- 启动redis服务:
-
step10:链接客户端
- redis-cli -h ip -p port
Gerapy安装部署
gerapy 详解
介绍:
Gerapy 是一款分布式爬虫管理框架,支持 Python 3,基于 Scrapy、Scrapyd、Scrapyd-Client、Scrapy-Redis、Scrapyd-API、Scrapy-Splash、Jinjia2、Django、Vue.js 开发,Gerapy 可以帮助我们:
- 更方便地控制爬虫运行
- 更直观地查看爬虫状态
- 更实时地查看爬取结果
- 更简单地实现项目部署
- 更统一地实现主机管理
- 提供在线编辑代码功能
Greapy 安装和使用
pip3 install gerapy
查看是否安装成功
出现如下结果图说明安装成功
初始化gerapy
gerapy init
执行完毕之后,便会在桌面下生成一个名字为 gerapy 的文件夹,接着进入该文件夹,可以看到有一个 projects 文件夹
进入到gerapy文件夹下
cd gerapy
执行(会在gerapy目录下生产一个sqlite数据库,同时创建数据表,数据库中会保存各个主机配置信息、部署版本等)
gerapy migrate
运行gerapy服务
gerapy runserver
访问gerapy管理界面在浏览器中输入如下网址
http://127.0.0.1:8000
此时,服务器启动,可以在浏览器中输入127.0.0.1:8000,此时即可看到以下界面: