爬虫管理平台Crawlab v0.3.0发布(Golang版本)

基于Golang的分布式爬虫管理平台，支持Python、NodeJS、Java、Go、PHP等多种编程语言以及多种爬虫框架。

项目自今年三月份上线以来受到爬虫爱好者们和开发者们的好评，不少使用者还表示会用Crawlab搭建公司的爬虫平台。经过近数月的迭代，我们陆续上线了定时任务、数据分析、网站信息、可配置爬虫、自动提取字段、下载结果、上传爬虫等功能，将Crawlab打造得更加实用，更加全面，能够真正帮助用户解决爬虫管理困难的问题。

Crawlab主要解决的是大量爬虫管理困难的问题，例如需要监控上百个网站的参杂scrapy和selenium的项目不容易做到同时管理，而且命令行管理的成本非常高，还容易出错。Crawlab支持任何语言和任何框架，配合任务调度、任务监控，很容易做到对成规模的爬虫项目进行有效监控管理。

• 查看演示 Demo
• Github: https://github.com/tikazyq/crawlab

更新内容

本次v0.3.0版本是一次重大更新，主要是将原来基于Celery的Python版本后台用Golang替代了。更新内容如下：

• Golang后端: 将原先的Python代码由Golang重构，提高了稳定性和性能
• 节点拓扑图: 将节点拓扑结构可视化了
• 节点系统信息: 可以看到节点的系统信息，例如操作系统、CPU数量，执行文件等等
• 节点监控升级: 节点通过Redis来注册监控
• 文件管理: 能够修改爬虫文件，并且提供代码高亮
• 登录/注册/用户管理: 要求用户登录使用Crawlab，允许用户注册和用户管理，加入了基于角色的权限管理
• 自动爬虫部署: 爬虫被自动同步/部署到所有在线节点
• 更小的Docker镜像: 通过多阶段构建，将原先的Docker镜像大小从1.3G瘦身到700M

为什么会重构Crawlab

用Golang重构的初衷是为了解决一些根本性的bug，例如定时任务无法稳定触发，节点不会自动显示为离线，等等。重构后的API会更加稳定，更加高性能，以前任务列表响应大概在几百毫秒，而现在仅仅需要几毫秒。此外，本次重构优化了用户使用流程，例如之前需要手动部署爬虫，需要用户点击很多次才能运行爬虫；而现在，所有爬虫都是自动部署，代价是用户上传爬虫之后需要等待不到1分钟的时间，待爬虫文件通过GridFS部署到所有节点之后，才可以运行（当然，主节点是可以直接运行的）。本次重构还加入了一些附加功能，例如用户权限的功能（提供了基础的权限管理）、节点拓扑图、文件管理等等。总的来说，本次更新将Crawlab打造得更加稳定和实用。

Crawlab截屏预览

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

任务详情 - 抓取结果

定时任务

为什么没有可配置爬虫

很遗憾，由于时间紧张，没有将可配置爬虫移植到新版Crawlab上。但是我们后面会将该功能加入进来。

接下来的计划

• 日志管理，更加中心化的日志管理
• 其他SQL数据库支持，支持储存结果为MySQL、Postgres等主流数据库
• 可配置爬虫
• 异常监控，日志错误异常，零值异常等
• 统计数据可视化，更多图表功能

不过，如果您有更好的idea，欢迎随时提需求。