在centos7中分布式部署pyspider

发表于 5年以前  | 总阅读数:495 次

1.搭建环境:

系统版本:Linux centos-linux.shared 3.10.0-123.el7.x86_64 #1 SMP Mon Jun 30 12:09:22 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux

python版本:Python 3.5.1

1.1.搭建python3环境:

本人在尝试过后选择集成环境Anaconda

1.1.1.编译


    # 下载依赖
    yum install -y ncurses-devel openssl openssl-devel zlib-devel gcc make glibc-devel libffi-devel glibc-static glibc-utils sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-deve
    # 下载python版本
    wget https://www.python.org/ftp/python/3.5.1/Python-3.5.1.tgz
    # 或者使用国内源
    wget http://mirrors.sohu.com/python/3.5.1/Python-3.5.1.tgz
    mv Python-3.5.1.tgz /usr/local/src;cd /usr/local/src
    # 解压
    tar -zxf Python-3.5.1.tgz;cd Python-3.5.1
    # 编译安装
    ./configure --prefix=/usr/local/python3.5 --enable-shared
    make && make install
    # 建立软链接
    ln -s /usr/local/python3.5/bin/python3 /usr/bin/python3
    echo "/usr/local/python3.5/lib" > /etc/ld.so.conf.d/python3.5.conf
    ldconfig
    # 验证python3
    python3
    # Python 3.5.1 (default, Oct 9 2016, 11:44:24)
    # [GCC 4.8.5 20150623 (Red Hat 4.8.5-4)] on linux
    # Type "help", "copyright", "credits" or "license" for more information.
    # >>>
    # pip
    /usr/local/python3.5/bin/pip3 install --upgrade pip
    ln -s /usr/local/python3.5/bin/pip /usr/bin/pip
    # 本人在安装时出现问题 将pip重装
    wget https://bootstrap.pypa.io/get-pip.py --no-check-certificate
    python get-pip.py

1.1.2.集成环境anaconda


    # 集成环境anaconda(推荐)
    wget https://repo.continuum.io/archive/Anaconda3-4.2.0-Linux-x86_64.sh
    # 直接安装即可
    ./Anaconda3-4.2.0-Linux-x86_64.sh
    # 若出错,可能是解压失败
    yum install bzip2

1.2.安装mariaDB


    # 安装
    yum -y install mariadb mariadb-server
    # 启动
    systemctl start mariadb
    # 设置为开机启动
    systemctl enable mariadb
    # 配置密码 默认为空
    mysql_secure_installation
    # 登录
    mysql -u root -p
    # 创建一个用户 自己设定账户密码
    CREATE USER 'user_name'@'localhost' IDENTIFIED BY 'user_pass';
    GRANT ALL PRIVILEGES ON *.* TO 'user_name'@'localhost' WITH GRANT OPTION;
    CREATE USER 'user_name'@'%' IDENTIFIED BY 'user_pass';
    GRANT ALL PRIVILEGES ON *.* TO 'user_name'@'%' WITH GRANT OPTION;

1.3.安装pyspider

本人使用Anaconda


    # 搭建虚拟环境sbird python版本3.*
    conda create -n sbird python=3*
    # 进入环境
    source activate sbird
    # 安装pyspider
    pip install pyspider
    # 报错 
    # it does not exist. The exported locale is "en_US.UTF-8" but it is not supported
    # 执行 可写入.bashrc
    export LC_ALL=en_US.utf-8
    export LANG=en_US.utf-8
    #ImportError: pycurl: libcurl link-time version (7.29.0) is older than compile-time version (7.49.0)
    conda install pycurl
    # 退出
    source deactivate sbird
    # 若在虚拟机内 出现无法访问localhost:5000 可关闭防火墙
    systemctl stop firewalld.service
    #########直接运行源码==============
    mkdir git;cd git
    # 下载
    git clone https://github.com/binux/pyspider.git
    # 安装
    /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py

其他方法


    # 搭建虚拟环境
    pip install virtualenv
    mkdir python;cd python
    # 创建虚拟环境pyenv3
    virtualenv -p /usr/bin/python3 pyenv3
    # 进入虚拟环境 激活环境
    cd pyenv3/
    source ./bin/activate
    pip install pyspider
    # 若pycurl报错 
    yum install libcurl-devel
    # 继续
    pip install pyspider
    # 关闭
    deactivate

本人推荐用anaconda方式安装

若pyspider运行过程中出现错误,参考anaconda安装部分,至此,访问localhost:5000可看到页面。

1.4.安装Supervisor


    # 安装
    yum install supervisor -y
    # 若无法检索 则添加阿里的epel源
    vim /etc/yum.repos.d/epel.repo
    # 添加以下内容
    [epel]
    name=Extra Packages for Enterprise Linux 7 - $basearch
    baseurl=http://mirrors.aliyun.com/epel/7/$basearch
    http://mirrors.aliyuncs.com/epel/7/$basearch
    failovermethod=priority
    enabled=1
    gpgcheck=0
    gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7

    [epel-debuginfo]
    name=Extra Packages for Enterprise Linux 7 - $basearch - Debug
    baseurl=http://mirrors.aliyun.com/epel/7/$basearch/debug
    http://mirrors.aliyuncs.com/epel/7/$basearch/debug
    failovermethod=priority
    enabled=0
    gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7
    gpgcheck=0

    [epel-source]
    name=Extra Packages for Enterprise Linux 7 - $basearch - Source
    baseurl=http://mirrors.aliyun.com/epel/7/SRPMS
    http://mirrors.aliyuncs.com/epel/7/SRPMS
    failovermethod=priority
    enabled=0
    gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7
    gpgcheck=0
    # 安装
    yum install supervisor -y
    # 测试是否安装成功
    echo_supervisord_conf

1.4.1.Supervisor用法


    supervisord   #supervisor的服务器端部分 启动
    supervisorctl  #启动supervisor的命令行窗口
    # 假设创建进程pyspider01
    vim /etc/supervisord.d/pyspider01.ini
    # 写入以下内容
    [program:pyspider01]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/pyspider01.log
    # 重载
    supervisorctl reload
    # 启动
    supervisorctl start pyspider01
    # 也可这样启动
    supervisord -c /etc/supervisord.conf
    # 查看状态
    supervisorctl status
    # output 
    pyspider01            RUNNING  pid 4026, uptime 0:02:40
    # 关闭
    supervisorctl shutdown

1.5.安装redis


    # 消息队列采用redis
    mkdir download;cd download
    wget http://download.redis.io/releases/redis-3.2.4.tar.gz
    tar xzf redis-3.2.4.tar.gz
    cd redis-3.2.4
    make
    # 或者直接yum安装
    yum -y install redis
    # 启动
    systemctl start redis.service
    # 重启
    systemctl restart redis.service
    # 停止
    systemctl stop redis.service
    # 查看状态
    systemctl status redis.service
    # 更改文件/etc/redis.conf
    vim /etc/redis.conf
    # 更改内容
    daemonize no 改为 daemonize yes
    bind 127.0.0.1 改为 bind 10.211.55.22(当前服务器ip)
    # 重启redis
    systemctl restart redis.service

1.6.关于自启动


    # Supervisor添加到自启动服务
    systemctl enable supervisord.service
    # redis添加到自启动服务
    systemctl enable redis.service
    # 关闭防火墙自启动
    systemctl disable firewalld.service

至此,pyspider单个服务器运行环境搭建且部署完毕,启动localhost:5000进入web界面。

也可编写脚本运行,在/pyspider/supervisor/pyspider01.log查看运行状态。

2.分布式部署

刚才配置的服务器,将其命名为centos01,按照这样的配置,再分别部署两台centos02、centos03。

如下:

服务器名称 ip 说明


    centos01 10.211.55.22 redis,mariaDB, scheduler
    centos02 10.211.55.23 fetcher, processor, result_worker,phantomjs
    centos03 10.211.55.24 fetcher, processor,,result_worker,webui


2.1.centos01

进入服务器centos01,经过第一步,基本环境已经搭好,首先编辑配置文件/pyspider/config.json


    {
     "taskdb": "mysql+taskdb://user_name:user_pass@10.211.55.22:3306/taskdb",
     "projectdb": "mysql+projectdb://user_name:user_pass@10.211.55.22:3306/projectdb",
     "resultdb": "mysql+resultdb://user_name:user_pass@10.211.55.22:3306/resultdb",
     "message_queue": "redis://10.211.55.22:6379/db",
     "logging-config": "/pyspider/logging.conf",
     "phantomjs-proxy":"10.211.55.23:25555",
     "webui": {
      "username": "",
      "password": "",
      "need-auth": false,
      "host":"10.211.55.24",
      "port":"5000",
      "scheduler-rpc":"http:// 10.211.55.22:5002",
      "fetcher-rpc":"http://10.211.55.23:5001"
     },
     "fetcher": {
      "xmlrpc":true,
      "xmlrpc-host": "0.0.0.0",
      "xmlrpc-port": "5001"
     },
     "scheduler": {
      "xmlrpc":true,
      "xmlrpc-host": "0.0.0.0",
      "xmlrpc-port": "5002"
     }
    }

尝试运行下:


    /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json scheduler
    # 报错
    ImportError: No module named 'mysql'
    # 下载 mysql-connector-python
    cd ~/git/
    git clone https://github.com/mysql/mysql-connector-python.git
    # 安装
    source activate sbird
    cd mysql-connector-python
    python setup.py install
    # 安装redis
    pip install redis
    source deactivate
    # 运行
    /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json scheduler
    # 输出 ok
    [I 161010 15:57:25 scheduler:644] scheduler starting...
    [I 161010 15:57:25 scheduler:779] scheduler.xmlrpc listening on 0.0.0.0:5002
    [I 161010 15:57:25 scheduler:583] in 5m: new:0,success:0,retry:0,failed:0

运行成功后,可直接更改/etc/supervisord.d/pyspider01.ini如下:


    [program:pyspider01]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json scheduler
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/pyspider01.log
    # 重载
    supervisorctl reload
    # 查看状态
    supervisorctl status

centos01部署完毕。

2.2.centos02

在centos02中,需要运行result_worker、processor、phantomjs、fetcher

分别建立文件:


    /etc/supervisord.d/result_worker.ini

    [program:result_worker]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json result_worker
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/result_worker.log
    /etc/supervisord.d/processor.ini

    [program:processor]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json processor
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/processor.log
    /etc/supervisord.d/phantomjs.ini

    [program:phantomjs]

    command   = /pyspider/phantomjs --config=/pyspider/pjsconfig.json /pyspider/phantomjs_fetcher.js 25555
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/phantomjs.log
    /etc/supervisord.d/fetcher.ini

    [program:fetcher]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json fetcher
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/fetcher.log

在pyspider目录中建立pjsconfig.json


    {
     /*--ignore-ssl-errors=true */
     "ignoreSslErrors": true,

     /*--ssl-protocol=true */
     "sslprotocol": "any",

     /* Same as: --output-encoding=utf8 */
     "outputEncoding": "utf8",

     /* persistent Cookies. */
     /*cookiesfile="e:/phontjscookies.txt",*/
     cookiesfile="pyspider/phontjscookies.txt",

     /* load image */
     autoLoadImages = false
    }

下载phantomjs至/pyspider/文件夹,将git/pyspider/pyspider/fetcher/phantomjs_fetcher.js复制到phantomjs_fetcher.js


    # 重载
    supervisorctl reload
    # 查看状态
    supervisorctl status
    # output
    fetcher             RUNNING  pid 3446, uptime 0:00:07
    phantomjs            RUNNING  pid 3448, uptime 0:00:07
    processor            RUNNING  pid 3447, uptime 0:00:07
    result_worker          RUNNING  pid 3445, uptime 0:00:07

centos02部署完毕。

2.3.centos03

部署这三个进程fetcher, processor, result_worker和centos02 一样,本服务器主要是在前面的基础上加上webui

建立文件:


    /etc/supervisord.d/webui.ini

    [program:webui]

    command   = /root/anaconda3/envs/sbird/bin/python /root/git/pyspider/run.py -c /pyspider/config.json webui
    directory  = /root/git/pyspider
    user     = root
    process_name = %(program_name)s
    autostart  = true
    autorestart = true
    startsecs  = 3

    redirect_stderr     = true
    stdout_logfile_maxbytes = 500MB
    stdout_logfile_backups = 10
    stdout_logfile     = /pyspider/supervisor/webui.log
    # 重载
    supervisorctl reload
    # 查看状态
    supervisorctl status
    # output
    fetcher             RUNNING  pid 2724, uptime 0:00:07
    processor            RUNNING  pid 2725, uptime 0:00:07
    result_worker          RUNNING  pid 2723, uptime 0:00:07
    webui              RUNNING  pid 2726, uptime 0:00:07


3.总结

访问 http://10.211.55.24:5000 即可,尽情爬取吧。

 相关推荐

刘强东夫妇:“移民美国”传言被驳斥

京东创始人刘强东和其妻子章泽天最近成为了互联网舆论关注的焦点。有关他们“移民美国”和在美国购买豪宅的传言在互联网上广泛传播。然而,京东官方通过微博发言人发布的消息澄清了这些传言,称这些言论纯属虚假信息和蓄意捏造。

发布于:6月以前  |  808次阅读  |  详细内容 »

博主曝三大运营商,将集体采购百万台华为Mate60系列

日前,据博主“@超能数码君老周”爆料,国内三大运营商中国移动、中国电信和中国联通预计将集体采购百万台规模的华为Mate60系列手机。

发布于:6月以前  |  770次阅读  |  详细内容 »

ASML CEO警告:出口管制不是可行做法,不要“逼迫中国大陆创新”

据报道,荷兰半导体设备公司ASML正看到美国对华遏制政策的负面影响。阿斯麦(ASML)CEO彼得·温宁克在一档电视节目中分享了他对中国大陆问题以及该公司面临的出口管制和保护主义的看法。彼得曾在多个场合表达了他对出口管制以及中荷经济关系的担忧。

发布于:6月以前  |  756次阅读  |  详细内容 »

抖音中长视频App青桃更名抖音精选,字节再发力对抗B站

今年早些时候,抖音悄然上线了一款名为“青桃”的 App,Slogan 为“看见你的热爱”,根据应用介绍可知,“青桃”是一个属于年轻人的兴趣知识视频平台,由抖音官方出品的中长视频关联版本,整体风格有些类似B站。

发布于:6月以前  |  648次阅读  |  详细内容 »

威马CDO:中国每百户家庭仅17户有车

日前,威马汽车首席数据官梅松林转发了一份“世界各国地区拥车率排行榜”,同时,他发文表示:中国汽车普及率低于非洲国家尼日利亚,每百户家庭仅17户有车。意大利世界排名第一,每十户中九户有车。

发布于:6月以前  |  589次阅读  |  详细内容 »

研究发现维生素 C 等抗氧化剂会刺激癌症生长和转移

近日,一项新的研究发现,维生素 C 和 E 等抗氧化剂会激活一种机制,刺激癌症肿瘤中新血管的生长,帮助它们生长和扩散。

发布于:6月以前  |  449次阅读  |  详细内容 »

苹果据称正引入3D打印技术,用以生产智能手表的钢质底盘

据媒体援引消息人士报道,苹果公司正在测试使用3D打印技术来生产其智能手表的钢质底盘。消息传出后,3D系统一度大涨超10%,不过截至周三收盘,该股涨幅回落至2%以内。

发布于:7月以前  |  446次阅读  |  详细内容 »

千万级抖音网红秀才账号被封禁

9月2日,坐拥千万粉丝的网红主播“秀才”账号被封禁,在社交媒体平台上引发热议。平台相关负责人表示,“秀才”账号违反平台相关规定,已封禁。据知情人士透露,秀才近期被举报存在违法行为,这可能是他被封禁的部分原因。据悉,“秀才”年龄39岁,是安徽省亳州市蒙城县人,抖音网红,粉丝数量超1200万。他曾被称为“中老年...

发布于:6月以前  |  445次阅读  |  详细内容 »

亚马逊股东起诉公司和贝索斯,称其在购买卫星发射服务时忽视了 SpaceX

9月3日消息,亚马逊的一些股东,包括持有该公司股票的一家养老基金,日前对亚马逊、其创始人贝索斯和其董事会提起诉讼,指控他们在为 Project Kuiper 卫星星座项目购买发射服务时“违反了信义义务”。

发布于:6月以前  |  444次阅读  |  详细内容 »

苹果上线AppsbyApple网站,以推广自家应用程序

据消息,为推广自家应用,苹果现推出了一个名为“Apps by Apple”的网站,展示了苹果为旗下产品(如 iPhone、iPad、Apple Watch、Mac 和 Apple TV)开发的各种应用程序。

发布于:6月以前  |  442次阅读  |  详细内容 »

特斯拉美国降价引发投资者不满:“这是短期麻醉剂”

特斯拉本周在美国大幅下调Model S和X售价,引发了该公司一些最坚定支持者的不满。知名特斯拉多头、未来基金(Future Fund)管理合伙人加里·布莱克发帖称,降价是一种“短期麻醉剂”,会让潜在客户等待进一步降价。

发布于:6月以前  |  441次阅读  |  详细内容 »

光刻机巨头阿斯麦:拿到许可,继续对华出口

据外媒9月2日报道,荷兰半导体设备制造商阿斯麦称,尽管荷兰政府颁布的半导体设备出口管制新规9月正式生效,但该公司已获得在2023年底以前向中国运送受限制芯片制造机器的许可。

发布于:6月以前  |  437次阅读  |  详细内容 »

马斯克与库克首次隔空合作:为苹果提供卫星服务

近日,根据美国证券交易委员会的文件显示,苹果卫星服务提供商 Globalstar 近期向马斯克旗下的 SpaceX 支付 6400 万美元(约 4.65 亿元人民币)。用于在 2023-2025 年期间,发射卫星,进一步扩展苹果 iPhone 系列的 SOS 卫星服务。

发布于:6月以前  |  430次阅读  |  详细内容 »

𝕏(推特)调整隐私政策,可拿用户发布的信息训练 AI 模型

据报道,马斯克旗下社交平台𝕏(推特)日前调整了隐私政策,允许 𝕏 使用用户发布的信息来训练其人工智能(AI)模型。新的隐私政策将于 9 月 29 日生效。新政策规定,𝕏可能会使用所收集到的平台信息和公开可用的信息,来帮助训练 𝕏 的机器学习或人工智能模型。

发布于:6月以前  |  428次阅读  |  详细内容 »

荣耀CEO谈华为手机回归:替老同事们高兴,对行业也是好事

9月2日,荣耀CEO赵明在采访中谈及华为手机回归时表示,替老同事们高兴,觉得手机行业,由于华为的回归,让竞争充满了更多的可能性和更多的魅力,对行业来说也是件好事。

发布于:6月以前  |  423次阅读  |  详细内容 »

AI操控无人机能力超越人类冠军

《自然》30日发表的一篇论文报道了一个名为Swift的人工智能(AI)系统,该系统驾驶无人机的能力可在真实世界中一对一冠军赛里战胜人类对手。

发布于:7月以前  |  423次阅读  |  详细内容 »

AI生成的蘑菇科普书存在可致命错误

近日,非营利组织纽约真菌学会(NYMS)发出警告,表示亚马逊为代表的电商平台上,充斥着各种AI生成的蘑菇觅食科普书籍,其中存在诸多错误。

发布于:7月以前  |  420次阅读  |  详细内容 »

社交媒体平台𝕏计划收集用户生物识别数据与工作教育经历

社交媒体平台𝕏(原推特)新隐私政策提到:“在您同意的情况下,我们可能出于安全、安保和身份识别目的收集和使用您的生物识别信息。”

发布于:7月以前  |  411次阅读  |  详细内容 »

国产扫地机器人热销欧洲,国产割草机器人抢占欧洲草坪

2023年德国柏林消费电子展上,各大企业都带来了最新的理念和产品,而高端化、本土化的中国产品正在不断吸引欧洲等国际市场的目光。

发布于:6月以前  |  406次阅读  |  详细内容 »

罗永浩吐槽iPhone15和14不会有区别,除了序列号变了

罗永浩日前在直播中吐槽苹果即将推出的 iPhone 新品,具体内容为:“以我对我‘子公司’的了解,我认为 iPhone 15 跟 iPhone 14 不会有什么区别的,除了序(列)号变了,这个‘不要脸’的东西,这个‘臭厨子’。

发布于:6月以前  |  398次阅读  |  详细内容 »
 相关文章
Android插件化方案 5年以前  |  236812次阅读
vscode超好用的代码书签插件Bookmarks 1年以前  |  6662次阅读
 目录