全面解析Gerapy分布式部署：从环境搭建到定时任务，避开Crawlab的坑

Gerapy分布式部署

搭建远程服务器的环境

1. 装好带docker服务的系统

   Docker:容器可生成镜像，也可拉去镜像生成容器
   示例：将一个环境打包上传到云端(远程服务器)，其他8个服务器需要这个环境直接向云端拉取镜像生成容器,进而使用该环境,比如有MYSQL的镜像、Redis的镜像
   

   备注：Linux系统下安装Docker

   1. 更新yum包

      yum update
      

   2. 安装依赖软件包

      yum install -y yum-utils device-mapper-persistent-data lvm2
      

   3. 设置yum源

      yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
      

   4. 安装docker

      yum install docker-ce 
      

   5. 启动docker服务

      systemctl start docker
      

   6. 设置开机自启动

      systemctl enable docker 
      

   Linux系统下安装docker-compose

   1. 安装

      sudo curl -L "https://github.com/docker/compose/releases/download/VERSION/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
      

      记得将 VERSION 替换为实际的版本号，或者直接从 Docker Compose 的GitHub Release 页面获取最新版本号。

   2. 赋予执行权限

      sudo chmod +x /usr/local/bin/docker-compose
      

   3. 验证安装

      docker-compose --version
      

2. 修改yum源

   • 验证网络是否可以连接阿里云镜像

     ping mirrors.aliyun.com
     

   • 手动配置

     • 1、删除原yum源

       cd /etc/yum.repos.d
        
        
       # 删除原yum源
       rm -rf /etc/yum.repos.d/*
       

     • 2、下载阿里云Centos-7.repo文件

       # wget命令下载: wget [options] [url]
       wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
        
       # curl命令下载: curl [options] [url]
       curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
       

     • 3、 清除及生成缓存

       # 清除yum缓存
       yum clean all
        
       # 缓存阿里云镜像
       yum makecache
       

     • 4、查看yum源信息，已经更换为了阿里云镜像源

       yum repolist
       

3. 上传compose.ymal文件(相关镜像配置文件)

   • yum -y install lrzsz：rz命令可上传文件

4. 通过Docker Compose(Compose 是用于定义和运行多容器 Docker 应用程序的工具)使用 YAML 文件来配置应用程序需要的所有服务

   docker-compose up -d 在后台运行,关闭shell不会关闭任务
   docker-compose down 关闭运行的任务
   docker ps -a 显示当前服务器的所有容器
   

5. 安装anaconda3

   一、安装 Anaconda

   1. 下载 Anaconda 安装包
      首先，前往 Anaconda 官网 下载适用于 Linux 的安装包。

      wget https://repo.anaconda.com/archive/Anaconda3-2023.07-Linux-x86_64.sh

   2. 安装 Anaconda
      下载完成后，运行以下命令开始安装：

      bash Anaconda3-2023.07-Linux-x86_64.sh

   安装过程中会出现许可协议提示，按 Enter 键查看协议内容，按 Q 键退出查看，然后输入 yes 同意协议。

   安装路径建议使用默认路径（按 Enter 键确认）。
   3. 配置环境变量
   安装完成后，建议添加 Anaconda 到系统环境变量中。在终端中运行以下命令：

   source ~/.bashrc
   

   或者手动编辑 .bashrc 文件，在文件末尾添加以下内容：

   export PATH="$HOME/anaconda3/bin:$PATH"
   

   保存文件后，运行：

   source ~/.bashrc
   

   二、基本使用

   1. 验证安装
      在终端中输入以下命令验证是否安装成功：

      conda --version

   如果返回 conda 的版本号，则表示安装成功。
   2. 更新 conda
   安装成功后，建议更新 conda 到最新版本：

   conda update conda
   

​

3. 创建和管理环境
使用 Anaconda 可以轻松创建和管理虚拟环境。例如，创建一个名为 myenv 的新环境，并安装指定版本的 Python：

```
conda create -n myenv python=3.8
```


激活环境：

```
conda activate myenv
```


安装常用包（如 numpy 和 pandas）：

```
conda install numpy pandas
```


列出所有环境：

```
conda env list
```


删除环境：

```
conda remove -n myenv --all
```

​

4. 使用 Jupyter Notebook
在 Anaconda 环境中使用 Jupyter Notebook 是非常方便的。首先，确保 Jupyter 已安装：

```
conda install jupyter
```


然后，在终端中运行：

```
jupyter notebook
```


浏览器将自动打开 Jupyter Notebook 的界面。

三、高级使用
1. 配置镜像源
为了提高下载速度，可以配置国内镜像源。例如，配置清华大学的镜像源：

```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
```

2. 导出和导入环境
导出环境配置：

```
conda env export > environment.yml
```


根据配置文件创建环境：

```
conda env create -f environment.yml
```

**备注：**无法将windos系统的conda环境导出，再导入linux系统中。因为包在linux系统和windows系统中是不同的
四、常见问题

1. conda 命令未找到
如果在终端中遇到 conda: command not found 的错误，确保已正确配置环境变量，并重新加载 .bashrc 文件。

```
source ~/.bashrc
```

​

2. 解决依赖冲突
在安装包时可能会遇到依赖冲突的情况。可以尝试使用 conda-forge 仓库：

```
conda install -c conda-forge <package_name>
```


结语

```
Anaconda 是一个强大的工具，可以帮助我们更高效地进行数据科学和机器学习项目的开发与管理。希望本文能帮助你顺利安装和使用 Anaconda。在实践中不断探索和总结，会有更多的收获。
```

分布式部署

1. scrapy-redis环境搭建

2. scrapy-redis分布式实现

   scrapy-redis项目跟原来的scrapy项目相比：
   将调度器由本地的调度器变为redis数据库，可以存储指纹，任务
   
   本地调度器无法看见
   redis数据库调度器可以共享，且能看见
   

3. 安装scrapyd：分布式部署服务，Scrapyd 是一个运行 Scrapy 爬虫的服务程序，方便地完成 Scrapy 爬虫项目的部署任务调度。

4. 安装python-scrapyd-api：封装了scrapyd分布式部署相关命令

5. 安装Scrapyd-Client:方便项目的打包并部署到scrapyd上

   • 进行项目的打包部署相关配置[scrapy.cfg]

     [settings]
     default = centoschina.settings
     
     [deploy:centoschina]
     # 本机的scrapyd, 不用改
     url = http://localhost:6800/
     project = centoschina

   • 在scrapy.cfg文件所在目录运行scrapyd-deploy命令

     • 解决scrapyd-deploy不是内部外部命令

       在python解释器下面的Scripts，新建scrapy.bat和scrapyd-deploy.bat文件

     • 解决报一个转义错误

       打开scrapyd下的utils.py文件，修改如下

       140行左右改成这样即可

           if isinstance(out, bytes):
               tmp = out.decode('utf-8').splitlines()
           else:
               tmp = out.splitlines()
           # tmp = out.decode('utf-8').splitlines()

6. 安装gerapy：一个后台管理系统，由django实现，相关按钮利用了python-scrapyd-api和Scrapy-Client的命令

   gerapy依赖于前几个环境的搭建
   

Gerapy使用流程

1. cmd输入scrapyd，挂着scrapyd服务
2. gerapy init 初始化，会在文件夹下创建一个gerapy文件夹
3. cd gerapy
4. gerapy migrate
5. gerapy runserver 默认是127.0.0.1:8000
6. gerapy createsuperuser 创建账号密码，默认情况下是没有的
7. 浏览器输入127.0.0.1:8000 登录账号密码，进入主页
8. 各种操作，比如添加主机，打包项目，定时任务等

远程主机的gerapy使用注意

• scrapyd要修改配置文件的bind_address为0.0.0.0

  0.0.0.0在服务器的环境中，指的就是服务器上所有的ipv4地址，如果机器上有2个ip 192.168.30.10 和 10.0.2.15，redis在配置中，如果配置监听在0.0.0.0这个地址上，那么，通过这2个ip地址都是能够到达这个redis服务的。同时呢，访问本地的127.0.0.1也是能够访问到redis服务的。

• 是否保持序列的持久化决定了去重队列信息是否保留

定时任务

gerapy弊端

爬虫任务报错不知道，crawlab部署(社区版免费,专业版付费)可以看到报错

难题

1. docker拉取镜像拉不下来：超时错误

   a. 增加Docker的镜像源配置文件 /etc/docker/daemon.json

   如果没有配置过镜像源该文件默认是不存在的

   sudo vi /etc/docker/daemon.json
   

   在其中增加如下内容

   在其中增加如下内容

   {
   "registry-mirrors": ["https://y0qd3iq.mirror.aliyuncs.com "]
   }
   

   b. 重启docker

   service docker restart
   

   c. 查看配置是否生效

   docker info|grep Mirrors -A 1
   

​

2. 分布式项目打包部署出现转义错误，scrapyd-deploy

更多精致内容