使用scrapy-redis進(jìn)行分布式抓取時(shí),遇到了一個(gè)很奇怪的問題,有倆臺機(jī)器,Windows電腦A,和Ubuntu電腦B,redis server部署在 Windows電腦A上,在電腦A,B啟動(dòng)爬蟲后,倆只爬蟲都進(jìn)入監(jiān)聽狀態(tài),在redis中進(jìn)行 url的lpush操作,奇怪的事情發(fā)生了,電腦A,或者電腦B中只有一臺電腦能監(jiān)聽到 redis,但是具體哪個(gè)能夠監(jiān)聽到這個(gè)很隨機(jī),有時(shí)是電腦A,有時(shí)是電腦B,我能確保,電腦A和B都是連接上了 redis的
這時(shí)只有爬蟲A監(jiān)聽到了 redis的操作,執(zhí)行抓取邏輯,而爬蟲B仍然處于監(jiān)聽狀態(tài)
這時(shí),爬蟲B卻監(jiān)聽到了redis的操作,執(zhí)行抓取邏輯,而爬蟲A仍處于監(jiān)聽狀態(tài)
被這個(gè)問題困擾了2天了,這倆天一直沒怎么睡,查了好多資料,試了好多辦法,都不行,中間我把redis服務(wù)放在了電腦c上,但是還行不行。
希望前輩們,能指點(diǎn)一二
排查了3天,最后可算是把 這個(gè)問題解決了,最后還是有完完全全的刨析了一次,scrapy-redis的源碼才找到問題.排查這個(gè),要從爬蟲運(yùn)行后,Redis中的隊(duì)列情況來入手
# 單頁面解析完成,開始構(gòu)建下一頁的數(shù)據(jù)
next_page_link = response.xpath('//div[@class="grid-8"]/div[@class="navigation margin-20"]/a[@class="next page-numbers"]/@href').extract_first()
if next_page_link is None or len(next_page_link) == 0:
log.logger.info('completed all page request')
else:
log.logger.info('will request next page and request url is %s'%next_page_link)
#問題出現(xiàn)這這里,每次只生成一個(gè)request,所以 redis隊(duì)列維護(hù)的也只有一個(gè)請求
yield Request(url=next_page_link)
if self.already_push_all_request is not True:
page_list_html_a = response.xpath('//div[@class="grid-8"]/div[@class="navigation margin-20"]/a[@class="page-numbers"]')
last_page_list_html_a = page_list_html_a[-1]
last_page_index = last_page_list_html_a.xpath('text()').extract_first()
print(type(last_page_index))
last_index_number = int(last_page_index)
print last_index_number
format_url = 'http://python.jobbole.com/all-posts/page/{0}/'
next_page_index = 2
while next_page_index <= last_index_number:
next_page_request_url = format_url.format(next_page_index)
print(' will lpush to redis and url is %s'%next_page_request_url)
yield Request(url=next_page_request_url)
next_page_index += 1
self.already_push_all_request = True
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
北大青鳥中博軟件學(xué)院創(chuàng)立于2003年,作為華東區(qū)著名互聯(lián)網(wǎng)學(xué)院和江蘇省首批服務(wù)外包人才培訓(xùn)基地,中博成功培育了近30000名軟件工程師走向高薪崗位,合作企業(yè)超4
中公教育集團(tuán)創(chuàng)建于1999年,經(jīng)過二十年潛心發(fā)展,已由一家北大畢業(yè)生自主創(chuàng)業(yè)的信息技術(shù)與教育服務(wù)機(jī)構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團(tuán),成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達(dá)內(nèi)教育集團(tuán)成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機(jī)構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項(xiàng)目經(jīng)理從事移動(dòng)互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍(lán)懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負(fù)責(zé)iOS教學(xué)及管理工作。
浪潮集團(tuán)項(xiàng)目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗(yàn),技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點(diǎn)難點(diǎn)突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗(yàn)。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。