源起

还是爬虫里面的某个场景需要重度使用selenium场景 ,所以需要起这样一个集群

对比

  • 单机
  • docker
  • docker-compose
  • 分布式集群

我们在使用selenium 的时候,我们一般就使用以上的环境和模式,单机怎么操作呢,下载相应的webdriver

单机

对于小型的使用环境,比如单线程操作,我们直接下载好相应版本的driver ,直接安装 selenium,然后使用就可以了

    from selenium import webdriver
    from selenium.webdriver import DesiredCapabilities
    
    dcap = dict(DesiredCapabilities.PHANTOMJS)
    dcap["phantomjs.page.settings.userAgent"] = (
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 Safari/537.36")
    
    # 这里是你的webdriver的实际地址
    driver = webdriver.PhantomJS(executable_path='/tools/phantomjs', desired_capabilities=dcap)         
    
    # 然后你就可以愉快的写逻辑代码了
    ......

Docker

关于docker的安装,以前已经介绍过了,这里就不加以重复了,安装好docker之后,我们选择实际selenium官方提供的镜像
保证安装好docker-compose ,这里就直接使用docker-compose.yml 文件起一个实例

docker-compose.yml

    chrome:
        image: selenium/standalone-chrome:3.3.1
        ports:
          - 5555:4444
        environment:
          - GRID_TIMEOUT=40

然后使用在docker-compose.yml所在的目录 ,使用命令sudo docker-compose up -d

这个时候就起了一个实例,打开浏览器http://127.0.0.1:5555/ 就可以看到

脚本如何使用呢,也满简单

    from selenium import webdriver
    from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
    
    remote = 'http://127.0.0.1:5555/wd/hub'
    
    driver = webdriver.Remote(command_executor=remote,desired_capabilities=DesiredCapabilities.CHROME)

#正常的逻辑代码

如果你要开很多个也可以,前台挂个nginx然后启用多个之后集群

docker-compose 单机集群

docker-compose.yml

    hub:
        image: selenium/hub:3.3.1
        ports:
          - 4444:4444
        environment:
          - GRID_TIMEOUT=40
    firefox:
        image: selenium/node-firefox:3.3.1
        links:
          - hub
    chrome:
        image: selenium/node-chrome:3.3.1
        links:
          - hub

使用命令sudo docker-compose up -d
浏览器打开 http://127.0.0.1:4444/就可以看到我们的hub界面了,脚本就如上,只需要端口改成4444

问题

不论是docker模式,还是以上的docker-compose 单机集群模式,问题都很明显的,就是当这台机器出现问题的时候,整个渲染环境就挂掉了,没办法做到很合理的横向拓展,比如单机资源不够用了(渲染是很消耗内存的),就只能停机加内存,加完然后再起,那有没有方法直接将hub节点和node节点拆分开呢,当然有,虽然官方没有提供,不过在仔细的查看源代码之后,得到了解决方法

多机集群

hub节点假设在A机上,ip地址为:10.10.2.38

hub的主文件配置

    hub:
        image: selenium/hub:3.3.1
        ports:
          - 4444:4444
        environment:
          - GRID_TIMEOUT=40

node节点假设B机上,ip地址为:
node的docker-compose 配置10.10.2.52

    node:
        image: selenium/node-chrome:3.3.1
        ports:
              - "5556:5556"
        environment:
              - HUB_PORT_4444_TCP_ADDR=10.10.2.38
              - HUB_PORT_4444_TCP_PORT=4444
              - SE_OPTS=-host 10.10.2.52 -port 5556

这里有一个坑,就是你的 -port 必须和外部暴露的端口一致,源代码的处理是直接将这个port 处理成起机器的端口,==>源码所在<==

总结

这次我们主要是对selenium环境的各种分析和处理,并且处理分布式和多机的实践,基本上已经够你很多实用环境了,这些都是昨天在和今天查阅了大量的资料总结得来的