Scrapyd 项目爬虫部署

scrapyd是一个用于部署和运行scrapy爬虫的程序，它允许你通过JSON API来部署爬虫项目和控制爬虫运行

scrapyd是一个守护进程，监听爬虫的运行和请求，然后启动进程来执行它们

安装扩展

pip install scrapyd

pip install scrapyd-client

 

首先修改项目的 scrapy.cfg 文件

原始内容为

[deploy]

#url = http://localhost:6800/

project = funsion

 

修改为

[deploy:funsion]

url = http://localhost:6800/

project = funsion

 

scrapyd部署的核心三步骤（蓝色加粗内容）

执行 nohup scrapyd > /dev/null 2>&1 &

 

检查配置, 列出当前可用的服务器 scrapyd-deploy -l

列出服务器上所有的项目, 需要确保服务器上的scrapyd命令正在执行，否则会报连接失败.首次运行的话，可以看到只有一个default项目
scrapyd-deploy -L funsion
 
在爬虫项目根目录下执行下面的命令, 其中target为上一步配置的服务器名称，project为项目名称，可以根据实际情况自己指定。
用法 scrapyd-deploy <target> -p <project>

在项目根目录下输入 scrapyd-deploy funsion -p funsion

得到以下结果

Packing version 1496109534

Deploying to project "funsion" in http://localhost:6800/addversion.json

Server response (200):

{"status": "ok", "project": "funsion", "version": "1496109534", "spiders": 1, "node_name": "localhost.localdomain"}

部署操作会打包你的当前项目，如果当前项目下有setup.py文件，就会使用它，没有的会就会自动创建一个。
如果后期项目需要打包的话，可以根据自己的需要修改里面的信息，也可以暂时不管它。
从返回的结果里面，我们可以看到部署的状态，项目名称，版本号和爬虫个数，以及当前的主机名称
检查部署结果 scrapyd-deploy -L funsion

 

调度爬虫，在项目根目录下

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

 

如果配置了多个服务器的话，可以将项目直接部署到多台服务器

scrapyd-deploy -a -p <project>

 

补充说明：

curl http://localhost:6800/listprojects.json    （列出项目）
curl http://localhost:6800/listspiders.json?project=funsion    （列出爬虫）
curl http://localhost:6800/listjobs.json?project=funsion    （列出job）

curl http://localhost:6800/cancel.json -d project=myproject -d job=你的jobId    （取消爬虫）

 

然后访问 http://localhost:6800/jobs 可以查询图像化界面，成功后应该和下图类似

 

更多参考

http://blog.wiseturtles.com/posts/scrapyd.html

http://scrapyd.readthedocs.io/en/stable/ 　　（Scrapyd 文档）