分布式爬虫的部署之Scrapyd批量部署

我们在上一节实现了Scrapyd和Docker的对接，这样每台主机就不用再安装Python环境和安装Scrapyd了，直接执行一句Docker命令运行Scrapyd服务即可。但是这种做法有个前提，那就是每台主机都安装Docker，然后再去运行Scrapyd服务。如果我们需要部署10台主机的话，工作量确实不小。

一种方案是，一台主机已经安装好各种开发环境，我们取到它的镜像，然后用镜像来批量复制多台主机，批量部署就可以轻松实现了。

另一种方案是，我们在新建主机的时候直接指定一个运行脚本，脚本里写好配置各种环境的命令，指定其在新建主机的时候自动执行，那么主机创建之后所有的环境就按照自定义的命令配置好了，这样也可以很方便地实现批量部署。

目前很多服务商都提供云主机服务，如阿里云、腾讯云、Azure、Amazon等，不同的服务商提供了不同的批量部署云主机的方式。例如，腾讯云提供了创建自定义镜像的服务，在新建主机的时候使用自定义镜像创建新的主机即可，这样就可以批量生成多个相同的环境。Azure提供了模板部署的服务，我们可以在模板中指定新建主机时执行的配置环境的命令，这样在主机创建之后环境就配置完成了。

本节我们就来看看这两种批量部署的方式，来实现Docker和Scrapyd服务的批量部署。

一、镜像部署

以腾讯云为例进行说明。首先需要有一台已经安装好环境的云主机，Docker和Scrapyd镜像均已经正确安装，Scrapyd镜像启动加到开机启动脚本中，可以在开机时自动启动。

进入腾讯云后台，点击更多选项制作镜像，如下图所示。

输入镜像的一些配置信息，如下图所示。

确认制作镜像，稍等片刻即可制作成功。

接下来，创建新的主机，在新建主机时选择已经制作好的镜像即可，如下图所示。

后续配置过程按照提示进行即可。

配置完成之后登录新到云主机，即可看到当前主机Docker和Scrapyd镜像都已经安装好，Scrapyd服务已经正常运行。

我们就通过自定义镜像的方式实现了相同环境的云主机的批量部署。

二、模板部署

Azure的云主机在部署时都会使用一个部署模板，这个模板实际上是一个JSON文件，里面包含了很多部署时的配置选项，如主机名称、用户名、密码、主机型号等。在模板中我们可以指定新建完云主机之后执行的命令行脚本，如安装Docker、运行镜像等。等部署工作全部完成之后，新创建的云主机就已经完成环境配置，同时运行相关服务。

这里提供一个部署Linux主机时自动安装Docker和运行Scrapyd镜像的模板，模板内容太多，源文件可以查看：https://github.com/Python3WebSpider/ScrapydDeploy/blob/master/azuredeploy.json。模板中Microsoft.Compute/virtualMachines/extensions部分有一个commandToExecute字段，它可以指定建立主机后自动执行的命令。这里的命令完成的是安装Docker并运行Scrapyd镜像服务的过程。

首先安装一个Azure组件，安装过程可以参考：https://docs.azure.cn/zh-cn/xplat-cli-install。之后就可以使用azure命令行进行部署。

登录Azure，这里登录的是中国区，命令如下：

azure login -e AzureChinaCloud

如果没有资源组的话，需要新建一个资源组，命令如下：

azure group create myResourceGroup chinanorth

其中，myResourceGroup是资源组的名称，可以自行定义。

使用该模板进行部署，命令如下：

azure group deployment create --template-file azuredeploy.json myResourceGroup myDeploymentName

其中，myResourceGroup是资源组的名称，myDeploymentName是部署任务的名称。

例如，部署一台Linux主机的过程如下：

azure group deployment create --template-file azuredeploy.json MyResourceGroup SingleVMDeploy
info:    Executing command group deployment create
info:    Supply values for the following parameters
adminUsername:  datacrawl
adminPassword:  DataCrawl123
vmSize:  Standard_D2_v2
vmName:  datacrawl-vm
dnsLabelPrefix:  datacrawlvm
storageAccountName:  datacrawlstorage

运行命令后会提示输入各个配置参数，如主机用户名、密码等。之后等待整个部署工作完成即可，命令行会自动退出。然后，我们登录云主机即可查看到Docker已经成功安装并且Scrapyd服务正常运行。

三、结语

以上内容便是批量部署的两种方法。在大规模分布式爬虫架构中，如果需要批量部署多个爬虫环境，使用如上方法可以快速批量完成环境的搭建工作，而不用再去逐个主机配置环境。

到此为止，我们解决了批量部署的问题，创建主机完毕之后即可直接使用Scrapyd服务。