在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
开源软件名称:crawlab开源软件地址:https://gitee.com/tikazyq/crawlab开源软件介绍:Crawlab中文 | English 安装 | 运行 | 截图 | 架构 | 集成 | 比较 | 相关文章 | 社区&赞助 | 更新日志 | 免责声明 基于Golang的分布式爬虫管理平台,支持Python、NodeJS、Go、Java、PHP等多种编程语言以及多种爬虫框架。 安装三种方式:
要求(Docker)
要求(直接部署)
快速开始请打开命令行并执行下列命令。请保证您已经提前安装了 git clone https://github.com/crawlab-team/crawlabcd crawlabdocker-compose up -d 接下来,您可以看看 运行Docker请用 version: '3.3'services: master: image: tikazyq/crawlab:latest container_name: master environment: CRAWLAB_SERVER_MASTER: "Y" CRAWLAB_MONGO_HOST: "mongo" CRAWLAB_REDIS_ADDRESS: "redis" ports: - "8080:8080" depends_on: - mongo - redis mongo: image: mongo:latest restart: always ports: - "27017:27017" redis: image: redis:latest restart: always ports: - "6379:6379" 然后执行以下命令,Crawlab主节点+MongoDB+Redis就启动了。打开 docker-compose up Docker部署的详情,请见相关文档。 直接部署请参考相关文档。 截图登录首页节点列表节点拓扑图爬虫列表爬虫概览爬虫分析爬虫文件编辑任务抓取结果任务日志定时任务语言安装依赖安装消息通知架构Crawlab的架构包括了一个主节点(Master Node)和多个工作节点(Worker Node),以及负责通信和数据储存的Redis和MongoDB数据库。 前端应用向主节点请求数据,主节点通过MongoDB和Redis来执行任务派发调度以及部署,工作节点收到任务之后,开始执行爬虫任务,并将任务结果储存到MongoDB。架构相对于 主节点主节点是整个Crawlab架构的核心,属于Crawlab的中控系统。 主节点主要负责以下功能:
主节点负责与前端应用进行通信,并通过Redis将爬虫任务派发给工作节点。同时,主节点会同步(部署)爬虫给工作节点,通过Redis和MongoDB的GridFS。 工作节点工作节点的主要功能是执行爬虫任务和储存抓取数据与日志,并且通过Redis的 MongoDBMongoDB是Crawlab的运行数据库,储存有节点、爬虫、任务、定时任务等数据,另外GridFS文件储存方式是主节点储存爬虫文件并同步到工作节点的中间媒介。 RedisRedis是非常受欢迎的Key-Value数据库,在Crawlab中主要实现节点间数据通信的功能。例如,节点会将自己信息通过 前端前端是一个基于Vue-Element-Admin的单页应用。其中重用了很多Element-UI的控件来支持相应的展示。 与其他框架的集成Crawlab SDK 提供了一些 集成 Scrapy在 ITEM_PIPELINES = { 'crawlab.pipelines.CrawlabMongoPipeline': 888,} 然后,启动 Scrapy 爬虫,运行完成之后,您就应该能看到抓取结果出现在 任务详情-结果 里。 通用 Python 爬虫将下列代码加入到您爬虫中的结果保存部分。 # 引入保存结果方法from crawlab import save_item# 这是一个结果,需要为 dict 类型result = {'name': 'crawlab'}# 调用保存结果方法save_item(result) 然后,启动爬虫,运行完成之后,您就应该能看到抓取结果出现在 任务详情-结果 里。 其他框架和语言爬虫任务本质上是由一个shell命令来实现的。任务ID将以环境变量 在爬虫程序中,需要将 与其他框架比较现在已经有一些爬虫管理框架了,因此为啥还要用Crawlab? 因为很多现有当平台都依赖于Scrapyd,限制了爬虫的编程语言以及框架,爬虫工程师只能用scrapy和python。当然,scrapy是非常优秀的爬虫框架,但是它不能做一切事情。 Crawlab使用起来很方便,也很通用,可以适用于几乎任何主流语言和框架。它还有一个精美的前端界面,让用户可以方便的管理和运行爬虫。
Q&A1. 为何我访问 http://localhost:8080 提示访问不了?假如您是Docker部署的,请检查一下您是否用了Docker Machine,这样的话您需要输入地址 http://192.168.99.100:8080 才行。 另外,请确保您用了 2. 我可以看到登录页面了,但为何我点击登陆的时候按钮一直转圈圈?绝大多数情况下,您可能是没有正确配置 请注意,8080是前端端口,8000是后端端口,您在浏览器中只需要输入前端的地址就可以了,要注意区分。 3. 在爬虫页面有一些不认识的爬虫列表,这些是什么呢?这些是demo爬虫,如果需要添加您自己的爬虫,请将您的爬虫文件打包成zip文件,再在爬虫页面中点击添加爬虫上传就可以了。 注意,Crawlab将取文件名作为爬虫名称,这个您可以后期更改。另外,请不要将zip文件名设置为中文,可能会导致上传不成功。 相关文章
注意: v0.3.0版本已将基于Celery的Python版本切换为了Golang版本,如何部署请参照文档 贡献者社区 & 赞助如果您觉得Crawlab对您的日常开发或公司有帮助,请加作者微信 tikazyq1 并注明"Crawlab",作者会将你拉入群。或者,您可以扫下方支付宝二维码给作者打赏去升级团队协作软件或买一杯咖啡。
|
请发表评论