当前位置 博文首页 > splash组件的使用;日志信息与配置;scrapyd部署项目)_孤寒者的
简单的说 分布式就是不同的节点(服务器,ip不同)共同完成一个任务
scrapy_redis是scrapy框架的基于redis的分布式组件
Scrapy_redis在scrapy的基础上实现了更多更强大的功能,具体体现在:
通过持久化请求队列和请求的指纹集合来实现:
断点续爬
分布式快速抓取
1.在scrapy_redis中,所有的待抓取的request对象和去重的request对象指纹都存在所有的服务器公用的redis中
2.所有的服务器中的scrapy进程公用同一个redis中的request对象的队列
3.所有的request对象存入redis前,都会通过该redis中的request指纹集合进行判断,之前是否已经存入过
4.在默认情况下所有的数据会保存在redis中
特点:加快项目的运行速度,但是需要资源(硬件&网络)。
原有的单个节点的不稳定性不影响整个系统的稳定性