(5)分布式下的爬虫Scrapy应该如何做-关于爬虫的调度机制与调度架构的构想

调度组件

• scrapyd (pip 安装)
• tiktok (docker安装) - 点击跳转
• 环境:ubuntu14.04

分析

我们使用scrapyd作为爬虫的执行者，关于scrapyd部署爬虫，请参考文章爬虫应该怎么部署到ubuntu上，这样在每一台机器都留出了http的api接口，我们只需要使用一个定时任务就可以正常的轮询我们的爬虫了，有人说使用crontab，其实也是可以的，只是这样不算太方便

使用

在确保tiktok安装好之后，我们直接新建一个任务，在任务的脚本里面写命令行

    curl http://192.168.1.10:6800/schedule.json -d project=sogou_main -d spider=sogou_main

以上的就是我们的scrapyd命令，然后我们选择时间，多长时间运行一次，因为tiktok本身的内置调度就是基于cron的表达式，不过我已经做好了插件

如图选择好时间，然后点击保存，就可以正常的运行了