scapyd scrapyd-client scrapy使用http调度spider.md

文档还是看英文的好，看中文的有些也是一知半解，反而会误解

基本概念

scrapyd

• scrapyd是使用http方式，管理维护scrapy工程应用服务器

• 管理scrapy工程部署，可以上传部署工程

• 管理spider，启动，停止，删除spider

• 管理scrapy日志，数据输出

• 官方文档url

scrapyd-client

• 使用scrapyd-client，打包scrapy工程

• scrapyd-deploy 上传scrapy工程到scrapd应用服务器

• github 官网url

安装过程

非Ubuntu，以下是mac平台的安装过程

• pip install scrapyd

• pip install scrapyd-client

scrapyd 配置

• 文档参考： configurations

• mac平台下安装的scrapyd，默认没有生成配置文件，最好先手动配置好文件，以免使用过程中碰到莫名其妙的问题，本人走过弯路

• 配置过程按照官网所谓通俗的做法如下

sudo mkdir /mnt/scrapyd   # 目录自己定义

chown -R cdz /mnt/scrapyd

cd /mnt/scrapyd/

mkdir eggs

mkdir logs

mkdir items

mkdir dbs

sudo mkdir /etc/scrapyd/

chown -R cdz /etc/scrapyd/

cd /etc/scrapyd/

vi scrapyd.conf  配置如下：


[scrapyd]

eggs_dir    = /mnt/scrapyd/eggs

logs_dir    = /mnt/scrapyd/logs

logs_filename = {spider}-{Y}{m}{d}.log

items_dir   =

jobs_to_keep = 5

dbs_dir     = /mnt/scrapyd/dbs

max_proc    = 0

max_proc_per_cpu = 4

finished_to_keep = 100

poll_interval = 5

bind_address = 0.0.0.0

http_port   = 6800

debug       = off

runner      = scrapyd.runner

application = scrapyd.app.application

launcher    = scrapyd.launcher.Launcher

webroot     = scrapyd.website.Root



[services]

schedule.json     = scrapyd.webservice.Schedule

cancel.json       = scrapyd.webservice.Cancel

addversion.json   = scrapyd.webservice.AddVersion

listprojects.json = scrapyd.webservice.ListProjects

listversions.json = scrapyd.webservice.ListVersions

listspiders.json  = scrapyd.webservice.ListSpiders

delproject.json   = scrapyd.webservice.DeleteProject

delversion.json   = scrapyd.webservice.DeleteVersion

listjobs.json     = scrapyd.webservice.ListJobs

scrapy项目scrapy.cfg 配置

• 配置如下：

[settings]
default = get_app_analytics.settings

[deploy:ios_analytics]
url = http://localhost:6800/
project = ios_get_app_analytics

• deploy:target 若只有一个工程target可以省略，不管是否只有一个工程，统一格式都按照这么写

• project：scrapy工程名

scrapyd-client 使用scrapy-deploy部署

1. cd 切换到scrapy.cfg所在目录

2. 执行 scrapyd-deploy ios_analytics -p ios_get_app_analytics –v r1.0.0

注意事项

ERROR: Error caught on signal handler:

• 原因：没有scrapyd.conf配置文件，scrapyd运行采用默认的配置，出错。stackflow上有解释是与FeedExports功能相关，但是官方文档默认FeedExports是禁用的，应该不受影响。无法找出具体原因，之前出问题是没有配置scrapyd.conf急于上线，手动增加配置文件后，修复问题。

unexpected keyword argument ‘_job’

• 原因：继承Spider，重写init()函数，没有使用与接口同样的格式，函数格式：def init(self, callbackUrl=None, **kwargs): 注意要有**kwargs，scrapyd会调用spider，通过kwargs传递_job参数

• 解决：注意必须要有**kwargs，参数，此参数用来向Spider传递参数

使用例子

普通调度

curl http://localhost:6800/schedule.json -d project=ios_get_app_analytics -d spider=get_app_detail

传参数调度

curl http://localhost:6800/schedule.json -d project=ios_get_app_analytics -d spider=get_app_detail -d [email protected] -d setting=APP_PASSWORD=haha