.1.分布式架构
整个爬取过程采用分布式架构,对于2000个微信公众号来说,将任务并行处理,可以有效的提高爬取效率。
采用Centos+Mongodb+Windows2012+Python+Redis进行分布式架构搭建,Mongodb的框架最核心的设计就是:Mongodb和MapReduce。Mongodb为海量的数据提供了存储,则MapReduce为海量的数据提供了计算,Windows2012作为抓取机器,Python和Redis数据缓冲区。
Mongodb是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Mongodb上开发和运行处理海量数据的应用程序。它主要有以下几个优点:
1. 高可靠性。Mongodb按位存储和处理数据的能力值得人们信赖。
2. 高扩展性。Mongodb是在可用的计算机集簇间分配数据并完成计算任务的,这些集簇可以方便地扩展到数以千计的节点中。
3. 高效性。Mongodb能够在节点之间动态地移动数据,并保证各个节点的动态平衡,因此处理速度非常快。
4. 高容错性。Mongodb能够自动保存数据的多个副本,并且能够自动将失败的任务重新分配。
5. 低成本。Mongodb是开源的,项目的软件成本因此会大大降低。
6. 及时性:Python+Redis可以快速有效的处理并发数据,减小数据库处理压力。
有兴趣联系微信 85437898