V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
yangyaofei
V2EX  ›  程序员

请教关于分布式 scrapy, scrapy-cluster 和 scrapy-redis 的问题

  •  
  •   yangyaofei ·
    yangyaofei · 2018-05-31 14:58:00 +08:00 · 2261 次点击
    这是一个创建于 2128 天前的主题,其中的信息可能已经有所发展或是发生改变。

    最近需要用分布式爬虫,准备用 scrapy 找到两个项目: scrapy-cluster scrapy-redis

    我看了半天还是没有搞懂

    1. scrapy-cluster 上面 engine 是怎么负载均衡的?手动控制?scrapy-redis 上面 engine 放在一台机器上?还是放在多台机器上的?
    2. 除了 1 以外,这两个的区别是后者仅仅是用了 redis 来分配需要请求的地址,而前者还将需要存储的结果放在 kafka 上了?
    3. 如果 scrapy-redis 只是在一台机器上 engine,那么存下结果(准备存入 hbase)不是又成了瓶颈了,还是要写一个队列分发给所有机器来存?
    4. 我可不可以用 scrapyd 来控制 scrapy-redis+scrapy?
    2 条回复    2018-05-31 16:21:18 +08:00
    hooopo
        1
    hooopo  
       2018-05-31 15:24:35 +08:00
    可以
    yangyaofei
        2
    yangyaofei  
    OP
       2018-05-31 16:21:18 +08:00
    @hooopo 是说 4 可以么?请问 scrapy-redis 是单机 engine?
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   3175 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 34ms · UTC 12:28 · PVG 20:28 · LAX 05:28 · JFK 08:28
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.