搭建 PySpider 爬虫服务-云服务器玩法在线实验

云计算分享家

实验内容
PySpider 是一个国人编写的强大的网络爬虫系统并带有强大的 WebUI。采用 Python 语言编写，分布式架构，支持多种数据库后端，强大的 WebUI 支持脚本编辑器，任务监视器，项目管理器以及结果查看器。 本教程将一步一步指引您搭建属于您自己的 PySpider 爬虫服务。

免费在线实验地址：点击进入
实验资源：云服务器，没有云服务器的朋友推荐1折抢购：69元/年的阿里云服务器、或者99元/年的腾讯云服务器

软件环境：CentOS 7.2 64 位


一、环境准备
前置环境部署
在开始部署前，我们需要做一些前置准备。



yum 更新

1. yum update -y

复制代码

安装开发编译工具

1. yum install gcc gcc-c++ -y

复制代码

安装依赖库

1. yum install python-pip python-devel python-distribute libxml2 libxml2-devel python-lxml libxslt libxslt-devel openssl openssl-devel -y

复制代码

升级pip

1. pip install --upgrade pip

复制代码

该步骤可选，但为了部署的稳定性，推荐执行
该步骤耗时可能较长（5~10min），请耐心等待

二、部署 mariadb
由于 CentOS 7 中 MySQL 数据库已从默认的程序列表中移除，我们使用 mariadb 代替。

安装 mariadb

1. yum install mariadb-server mariadb -y

复制代码

启动 mariadb 服务

1. systemctl start mariadb

复制代码

设置 root 密码
默认的root用户密码为空，你可以使用以下命令来创建 root 用户的密码：
（该步骤也可以跳过，password 后的 Password 可以改为任何你希望设置的密码）

1. mysqladmin -u root password "Password"

复制代码

检查是否安装成功
现在你可以尝试通过以下命令来连接到 Mysql 服务器

1. mysql -u root -p

复制代码

然后输入您刚才设置的密码 （ 默认：Password ），如果一切正常，您应该可以在命令行看到以 MariaDB [(none)]> 或 mysql> 开头的提示了，说明连接成功。

此时输入 SHOW DATABASES; 并回车，应该可以看到类似下面这样的输出，说明一切正常。

1. mysql> SHOW DATABASES;
   
2. +----------+
   
3. | Database |
   
4. +----------+
   
5. | mysql    |
   
6. | test     |
   
7. +----------+
   
8. 2 rows in set (0.13 sec)

复制代码

完成后，可以通过快捷键 Ctrl+C 或命令行键入 exit 来退出，进入下一步。


如果您未设置密码，直接使用 mysql 即可

三、部署 redis
下载、解压安装包
下载安装包

1. wget http://download.redis.io/redis-stable.tar.gz

复制代码

解压安装包

1. tar -xzvf redis-stable.tar.gz

复制代码

移动解压包到 /usr/local 内

1. mv redis-stable /usr/local/redis

复制代码

编译安装

1. cd /usr/local/redis
   
2. make
   
3. make install

复制代码

设置 redis 配置
设置配置文件路径

1. mkdir -p /etc/redis
   
2. cp /usr/local/redis/redis.conf /etc/redis/redis.conf

复制代码

修改 /etc/redis/redis.conf 文件的 daemonize 配置项为如下：

1. daemonize yes

复制代码

启动 redis 服务

1. /usr/local/bin/redis-server /etc/redis/redis.conf

复制代码

四、部署 pyspider
安装依赖

1. pip install --upgrade chardet
   
2. easy_install mysql-connector==2.1.3
   
3. easy_install redis
   
4. pip install Jinja2==2.10

复制代码

安装 pyspider

1. pip install pyspider

复制代码

配置 pyspider
首先创建配置目录

1. mkdir /etc/pyspider

复制代码

然后 /etc/pyspider 目录下创建 pyspider.conf.json，参考下面的内容。示例代码：/etc/pyspider/pyspider.conf.json

1. {
   
2.   "taskdb": "mysql+taskdb://root:Password@127.0.0.1:3306/taskdb",
   
3.   "projectdb": "mysql+projectdb://root:Password@127.0.0.1:3306/projectdb",
   
4.   "resultdb": "mysql+resultdb://root:Password@127.0.0.1:3306/resultdb",
   
5.   "message_queue": "redis://127.0.0.1:6379/db",
   
6.   "webui": {
   
7.     "username": "root",
   
8.     "password": "Password",
   
9.     "need-auth": true
   
10.   }
    
11. }

复制代码

其中 mysql 配置中的 root 为您 mysql 的用户名， root: 后面的 Password 为您刚设置的密码。

webui 配置中的 username 及 password 为您访问 WebUI 时候需要的用户名，你也可以不设置用户名密码，直接将 need-auth 设为 false 即可。

启动服务

1. pyspider -c /etc/pyspider/pyspider.conf.json

复制代码

如果一切正常，现在访问 http://<您的 CVM IP 地址>:5000，您应该可以看到 pyspider dashboard 的首页了。

服务能够正常启动后，我们需要让它能够在后台运行，您可以通过以下命令让服务在后台运行

1. nohup pyspider -c /etc/pyspider/pyspider.conf.json &

复制代码

也可以使用官方推荐的 Supervisor 来启动，这里就不详细介绍了，具体用法可以参考 Supervisor 的文档
五、部署完成
访问服务
此时您可以访问 http://<您的 CVM IP 地址>:5000 使用您的爬虫来搜集数据了，具体 pyspider 爬虫脚本的编写及使用教程可以参考 网上资料。

大功告成
恭喜您已经完成了搭建 PySpider 爬虫服务的学习