python分布式进程爬虫怎样模拟-创新互联
小编给大家分享一下python分布式进程爬虫怎样模拟,希望大家阅读完这篇文章后大所收获,下面让我们一起去探讨吧!
站在用户的角度思考问题,与客户深入沟通,找到汤原网站设计与汤原网站推广的解决方案,凭借多年的经验,让设计与互联网技术结合,创造个性化、用户体验好的作品,建站类型包括:成都网站设计、网站建设、企业官网、英文网站、手机端网站、网站推广、申请域名、虚拟空间、企业邮箱。业务覆盖汤原地区。比如我们需要抓取某个图片网站的所有图片,如果用我们的分布式进程的思想,我们会创建一个进程负责抓取图片的链接地址,然后将这些链接地址存放到Queue中,另外的进程负责从Queue中读取链接进行图片的下载或者进行其他操作(存在本地)
其实我们的Queue是暴露在网络中的,通过分布式就是将其进行了封装,其实也就是所谓的本地队列的网络化。
接下来,我们来分析一下如何去创建一个分布式的服务进程,总体可以分为六步:
1、首先我们需要建立一个队列queue,这个主要用作进程之间的通信。总体来说就是两种进程,一种是服务进程,一种是任务进程。服务进程创建任务队列task_queue,用作传递任务给任务进程的通道。服务进程又创建result_queue,作为任务进程完成任务后回复服务进程的通道。在分布式进程的环境下,我们需要通过Queuemanager 获得的Queue接口来添加任务。
2、把我们在第一步中队列在网络上进行注册,暴露给其他的进程或者主机,注册后获得网络队列,相当于本地队列的映像。
3、建立Queuemanager的对象,并且实例化,绑定端口和口令
4、启动第三步中建立的实例,即启动管理manager,监管信息通道
5、通过管理实例的方法获取到通过网络访问的queue对象,也就是把网络对象实体化成本地的一个队列。
6、创建任务到“本地”队列中,自动上传任务到网络队列中,分配给任务进程进行处理。
我们来写一下服务进程的代码 taskManager.py:
import queue from multiprocessing.managers import BaseManager from multiprocessing import freeze_support # 任务个数 task_num = 500 # 定义收发队列 task_queue = queue.Queue(task_num) result_queue = queue.Queue(task_num) def get_task(): return task_queue def get_result(): return result_queue # 创建类似的QueueManager class QueueManager(BaseManager): pass def run(): # Windows下绑定调用接口不能使用lambda,所以只能先定义函数再绑定 QueueManager.register('get_task_queue', callable = get_task) QueueManager.register('get_result_queue', callable=get_result) #绑定端口并设置验证口令,windows下需要填写ip地址,Linux中不填默认为本地 manager = QueueManager(address=('127.0.0.1', 8001), authkey='jap'.encode('utf-8')) # 启动 manager.start() try: # 通过网络获取任务队列和结果队列 task = manager.get_task_queue() result = manager.get_result_queue() # 添加任务 for url in ["JAP君url:"+str(i) for i in range(500)]: print("添加任务 %s" %url) task.put(url) print("正在获取结果...") for i in range(500): print("result is %s" %result.get(timeout=10)) except: print('Manager error') finally: # 一定要关闭,否则会报管道未关闭的错 manager.shutdown() if __name__ == '__main__': # windows下多进程可能会出现问题,添加这句话可以解决 freeze_support() run()
看完了这篇文章,相信你对python分布式进程爬虫怎样模拟有了一定的了解,想了解更多相关知识,欢迎关注创新互联行业资讯频道,感谢各位的阅读!
本文标题:python分布式进程爬虫怎样模拟-创新互联
分享URL:http://pwwzsj.com/article/dppgjg.html