README.md

爬虫远程部署 scrapyd + spiderkeeper + supervisord

远程服务器

创建项目目录

是在pyuser用户（非root）下操作

• 创建目录： mkdir crawlpro1

• 进入目录： cd crawlpro1/

• 创建激活python环境（我这里用的pyenv管理）：

pyenv virtualenv 3.7.0 crawlpro1

pyenv activate crawlpro1

• 通过pip install -r requirement.txt 导入依赖

安装scrapyd spiderkeeper

是在pyuser用户（非root）下操作

pip install scrapyd

pip install spiderkeeper

配置scrapyd(若不需要修改，可跳过)

是在pyuser用户（非root）下操作

find / -name default_scrapyd.conf

修改scrapyd服务的端口和ip

vi /home/pyuser/.pyenv/versions/3.7.0/envs/crawlpro1/lib/python3.7/site-packages/scrapyd/default_scrapyd.conf

设置supervisor监控项

是在root用户下操作

centos安装supervisor请参考：supervisord在centos7下安装及使用

安装好supervisor后：

1. 进入supervisord配置目录： cd /etc/supervisord.d/

2. 创建配置文件： touch serve.ini

3. 编写配置文件： vi serve.ini

	[program:spiderkeeper]
	; 我这里spiderkeeper没有开启auth认证，而是通过nginx的auth_basic做的。
	; command=/home/pyuser/.pyenv/versions/3.7.0/envs/crawlpro1/bin/spiderkeeper --server=http://localhost:6800 --username=user --password=pwd
	command=/home/pyuser/.pyenv/versions/3.7.0/envs/crawlpro1/bin/spiderkeeper --server=http://localhost:6800 --no-auth
	directory=/home/pyuser/siteprojects/crawlpro1
	autostart=true
	autorestart=true
	startretries=3
	user=pyuser


	[program:scrapyd]
	command=/home/pyuser/.pyenv/versions/3.7.0/envs/crawlpro1/bin/scrapyd
	directory=/home/pyuser/siteprojects/crawlpro1
	autostart=true
	autorestart=true
	redirect_stderr=true
	user=pyuser

4. 重新加载supervisor文件： supervisorctl reload

nginx配置

创建配置文件： cat /etc/nginx/conf.d/spiderkeeper.conf

编写配置文件：

server {
    charset utf-8;
    listen 80;
    server_name spiderkeeper.xxx.com;

    client_max_body_size 4G;
    keepalive_timeout 5;

	location / {
			proxy_pass http://127.0.0.1:5000/;

			proxy_set_header Host $host:80;
			proxy_set_header X-Real-IP $remote_addr;
			proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

			auth_basic      "Input('Your key:>>>')";
			auth_basic_user_file    /etc/nginx/conf.d/.htpasswd;
	}
}

因为我的修改了nginx运行用户，上传文件时会报500错误：

[crit] 29876#0: *65310 open() "/var/lib/nginx/tmp/client_body/0000000025" failed (13: Permission denied)

需要修改目录权限：

chmod -R 775 nginx运行用户

chmod 775 /var/lib/nginx/tmp/client_body/

本地机器

1. 安装依赖

pip install scrapyd-client

2. 验证安装

scrapyd-deploy -h

如果提示： 报错: 'scrapyd-deploy' 不是内部或外部命令，也不是可运行的程序或批处理文件

解决步骤：

一定要找到自己对应的目录

• 找到项目依赖的python环境文件

• 对应的目录 D:\pyprojects\crawlpro1\venv\Scripts

• 创建文件 scrapyd-deploy.bat

@echo off

"D:\pyprojects\crawlpro1\venv\Scripts\python.exe" "D:\pyprojects\crawlpro1\venv\Scripts\scrapyd-deploy" %1 %2 %3 %4 %5 %6 %7 %8 %9

3. 打包egg文件

进入项目的全局目录（有settings.py）下运行

scrapyd-deploy -p 项目名crawlpro1 -v 版本号1.0 --build-egg=文件名.egg

打包完就可以在项目目录下看到对应的egg文件

4. 在本地通过pip freeze > requirement.txt 导出依赖

spiderkeeper操作

访问spiderkeeper站点(上面nginx配置的域名)

1. 

2. 

3. 

4. 

5. 

6. 

7.