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。

原文发布于微信公众号 - 进击的Coder(FightingCoder)

原文发表时间:2018-06-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏JadePeng的技术博客

Docker+Jenkins持续集成环境(2)使用docker+jenkins构建nodejs前端项目

前文使用Docker搭建Jenkins+Docker持续集成环境我们已经搭建了基于docker+jenkins的持续集成环境,并构建了基于maven的项目。这一...

5307
来自专栏拂晓风起

CruiseControl 安装 配置 教程 实例 搭建服务器 (CruiseControl + git/svn)

853
来自专栏xingoo, 一个梦想做发明家的程序员

Elasticsearch 5.0 —— Head插件部署指南(Head目前支持5.0了!请不要看本篇文章了)

使用ES的基本都会使用过head,但是版本升级到5.0后,head插件就不好使了。下面就看看如何在5.0中启动Head插件吧! Head目前支持5.0了!...

1777
来自专栏小灰灰

如何借助GitHub搭建属于自己的maven仓库

借助GitHub搭建属于自己的maven仓库 I. 背景 在Github上也写了不少的项目了,然后经常遇到的一个问题就是,很多自己写的项目,希望在另外一个项目中...

4076
来自专栏L宝宝聊IT

LAMP平台的搭建及应用

1273
来自专栏破晓之歌

Redis入门(暂不更新) 原

50个并发程序执行10万个请求,redis读的速度能达到每秒11万次,写的速度能达到每秒8万次。-官方数据

532
来自专栏云计算教程系列

如何在Ubuntu 14.04上安装MySQL

MySQL是一个开源数据库管理系统,通常作为流行的LAMP(Linux,Apache,MySQL,PHP / Python / Perl)堆栈的一部分来进行安装...

1141
来自专栏Jerry的SAP技术分享

Docker镜像的目录存储讲解

我们成功安装完docker后,执行命令行sudo docker run hello-world, 如果是第一次执行,则会从远程拉取hello-world的镜像到...

852
来自专栏崔庆才的专栏

分布式爬虫的部署之Scrapyd对接Docker

3634
来自专栏运维小白

parted分区GPT格式

fdisk分区工具,它的分区格式为MBR,特点是,最多分4个主分区,磁盘大小不能超过2T。 而GPT分区格式,突破了这些限制,它没有主分区、扩展分区、逻辑分区之...

2773

扫码关注云+社区