scrapy爬蟲docker部署

spider_docker

接我上篇博客，為爬蟲引用創建container，包括的模塊：scrapy, mongo, celery, rabbitmq，連接https://github.com/LiuRoy/spider_docker

創建image

進入spider_docker目錄，執行命令：

docker build --rm -t zhihu_spider src/

運行完成后，執行docker iamges就可以看到生成的image

 

生成container

在另一個項目zhihu_spider中有一個docker-compose.yml文件，可以參考配置：

dev:
    image: zhihu_spider

    volumes:
        - ./:/zhihu_spider
        - ../data:/data/db
    ports:
        - "20000:27017"
        - "20001:15672"
    privileged: true
    tty: true
    stdin_open: true
    restart: always

以zhihu_spider為例，進入最上層目錄后，執行docker-compose up命令。 

zhihu_spider目錄映射為docker中的/zhihu_spider，zhihu_spider統計目錄data映射為/data/db用作mongo的數據存儲。container中的mongo范文端口映射到本機的20000，rabbitmq映射為本地的20001端口。

執行爬蟲

執行命令docker exec -it zhihuspider_dev_1 /bin/bash即可進入bash。

啟動mongo

編輯/etc/mongod.conf文件，將綁定ip地址從127.0.0.0改為0.0.0.0，並重啟mongod進程。k執行下面命令重啟mongo服務

mongod --shutdown
mongod --config /etc/mongod.config

如果要在本機訪問container中的數據，連接配置如下： 

ip和port為映射后的ip和port。

啟動rabbitmq

啟動命令如下，訪問方式同mongo

rabbitmq-plugins enable rabbitmq_management
rabbitmq-server &

啟動爬蟲

1. 進入zhihu_spider/zhihu目錄，啟動異步任務 celery -A zhihu.tools.async worker --loglevel=info
2. 啟動爬蟲 python main.py

結果顯示

篩選出女性，並按關注的人絲數降序排列