爬虫学习笔记18-scrapy项目的管理和部署

1、scrapyd

（1）了解scrapd

（2）安装：

服务端：pip install scrapyd
客服端：pip install scrapyd-client

（3）启动scrapyd服务
①在scrapy项目路径下 启动scrapyd的命令：sudo scrapyd 或 scrapyd
②启动之后就可以打开本地运行的scrapyd，浏览器中访问本地6800端口可以查看scrapyd的监控界面


③点击job可以查看任务监控界面

2、scrapy项目部署

（1）配置需要部署的项目：编辑项目的scrapy.cfg文件

[deploy:部署名(部署名可以自行定义)]
 url = http://localhost:6800/
 project = 项目名(创建爬虫项目时使用的名称)

（2）部署项目到scrapyd
在scrapy项目路径下执行：scrapyd-deploy 部署名(配置文件中设置的名称) -p 项目名称

部署成功之后就可以看到部署的项目

3、项目管理
（1）命令行管理

• 启动项目： curl http://localhost:6800/schedule.json -d project=项目名 -d spider=爬虫名
  

• 关闭爬虫： curl http://localhost:6800/cancel.json -d project=项目名 -d job=jobid
  注：curl是命令行工具，如果没有则需要额外安装

（2）使用requests模块控制scrapy项目

import requests

# 启动爬虫
url = 'http://localhost:6800/schedule.json'
data = {
     
	'project': 项目名,
	'spider': 爬虫名,
}
resp = requests.post(url, data=data)

# 停止爬虫
url = 'http://localhost:6800/cancel.json'
data = {
     
	'project': 项目名,
	'job': 启动爬虫时返回的jobid,
}
resp = requests.post(url, data=data)

（3）Gerapy管理
1）Gerapy 是一款 分布式爬虫管理框架
2）安装：pip3 install gerapy -i https://pypi.douban.com/simple/
3）配置启动
①新建一个项目：gerapy init
执行完该命令之后会在当前目录下生成一个gerapy文件夹，进入该文件夹，会找到一个名为projects的文件夹
②对数据库进行初始化(在gerapy目录中操作)，执行如下命令：gerapy migrate
对数据库初始化之后会生成一个SQLite数据库，数据库保存主机配置信息和部署版本等
③启动 gerapy服务：gerapy runserver
此时启动gerapy服务的这台机器的8000端口上开启了Gerapy服务，在浏览器中输入http://localhost:8000就能进入Gerapy管理界面，在管理界面就可以进行主机管理和界面管理

4）通过Gerapy配置管理scrapy项目
①配置主机

• 添加scrapd主机
  
  
  需要添加 IP、端口，以及名称，点击创建即可完成添加，点击返回即可看到当前添加的 Scrapyd 服务列表,创建成功后,我们可以在列表中查看已经添加的服务
• 执行爬虫,就点击调度.然后运行. (前提是: 我们配置的scrapyd中,已经发布了爬虫.)
  
  

②配置项目

• 将scarpy项目直接放到 /gerapy/projects下.

• 在gerapy后台看到有个项目
  

• 点击部署点击部署按钮进行打包和部署，在右下角我们可以输入打包时的描述信息，类似于 Git 的 commit 信息，然后点击打包按钮，即可发现 Gerapy 会提示打包成功，同时在左侧显示打包的结果和打包名称。
  

• 成功部署之后会显示描述和部署时间
  

• 选择一个站点，点击右侧部署，将该项目部署到该站点上
  

• 来到clients界面，找到部署该项目的节点，点击调度
  

• 在该节点中的项目列表中找到项目，点击右侧run运行项目