阅读准备

 

  1. docker基础命令,docker-compose基础
  2. pyspider基础

如果您不熟悉上面的内容,可以先网上查阅有关资料。

1. 创建网络接口

首先,创建一个Driver为bridge的网络接口,命名为pyspider
docker network create --driver bridge pyspider

  • 说明1: 需要创建该网络接口的原因是:在下面创建Docker容器的过程中,我们使用了dockerdocker-compose分别创建了不同的服务。按正常来说,如果都使用docker-compose来创建服务会更好;但是这里有些特殊需求,所有就混合使用dockerdocker-compose来创建服务了。

  • 说明2:直接使用docker命令创建容器时,容器的默认网络接口使用的是NAMEbridge的接口;而使用docker-compose时,默认的网络接口使用的不是NAME 为bridge的接口,而是根据docker-compose.yml文件所在目录命名的网络接口。如,我的docker-compose.yml文件在目录Pyspider下,则使用docker-compose时的默认网络接口就是pyspider_default。所以,如果我们使用dockerdocker-compose时,默认的情况下它们属于不同的子网,网络不互通,这不是我们想要的。dokcerdocker-compose的网络接口都可以通过参数自定义,从而实现它们的服务的网络互通,所有我们才自己创建一个网络接口。

  • 说明3:

    • 可以通过命令docker network ls查看已有的网络接口,如下图:

      docker网络接口

    • 可以通过docker network inspect bridge命令查看网络接口的详细信息。如NAMEbridge的详细信息如下图:

      查看网络接口信息

资料: https://docs.docker.com/engine/userguide/networking/

2. 创建Redis服务

运行命令:docker run --network=pyspider --name redis -d -p 6379:6379 redis 创建Redis服务。

  • 说明1:其中,参数--network=pyspider指定使用pyspider网络接口。我们可以使用docker inspect redis | grep IPA查看该容器的ip地址,如下图:

    查看容器ip地址


    我们还可以通过docker logs reids查看容器redis的日志输出,来观察redis服务是否正常运行。

3. 创建mysql服务

运行:docker run --network pyspider -p 3306:3306 --name pymysql -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf -v /Users/andy/Pyspider/mysql/logs:/logs -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=root123 -d mysql以创建mysql服务。

  • 说明:
    • 指定网络接口--network=pyspider
    • -p 3306:3306指定端口号
    • -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf指定mysql配置文件
    • -v /Users/andy/Pyspider/mysql/logs:/logs指定日志目录
    • -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql指定mysql的数据文件存储目录
    • -e MYSQL_ROOT_PASSWORD=root123指定root账户的密码为root123

docker inspect pymysql | grep IPA查看mysql容器的ip地址。

mysql容器ip地址

 

4. 创建pyspider的scheduler服务

运行:docker run --network=pyspider --name scheduler -d -p 23333:23333 --restart=always binux/pyspider --taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb" --resultdb "mysql+projectdb://root:root123@172.20.0.2:3306/resultdb" --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" scheduler --inqueue-limit 10000 --delete-time 3600

  • 参数说明

    • --network=pyspider指定网络接口
    • -p 23333:23333指定端口
    • root:root123@172.20.0.2:3306为mysql服务的ip地址,端口,用户名和密码
    • redis://172.20.0.3:6379/0为redis服务的配置。
    • 命令运行成功后,可以通过docker logs scheduler查看scheduler服务的运行情况。
  • 查看scheduler的ip地址为:172.20.0.4,方便后边使用。

  • pyspider分布式部署中,scheduer服务只能创建一个。

5. 使用docker-compose创建pyspider的其它组件

配置文件docker-compose.yml的内容如下:

version: '2'
services:
  phantomjs:
    image: 'binux/pyspider:latest'
    command: phantomjs
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,23333,24444'
    expose:
      - '25555' # 暴露端口25555给link到此service的容器
    mem_limit: 256m
    restart: always

  phantomjs-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用负载均衡
    links:
      - phantomjs
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系统中)
    restart: always

  fetcher:
    image: 'binux/pyspider:latest'
    command: '--message-queue "redis://172.20.0.3:6379/0" --phantomjs-proxy "phantomjs:80" fetcher --xmlrpc' # fetcher以rpc的方式启动
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,25555,23333'
    links:
      - 'phantomjs-lb:phantomjs'
    mem_limit: 256m
    restart: always

  fetcher-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用负载均衡
    links:
      - fetcher
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系统中)
    restart: always
    
  processor:
    image: 'binux/pyspider:latest'
    command: '--projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" processor'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
 
  result-worker:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" result_worker'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
    
  webui:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" webui --max-rate 0.3 --max-burst 3 --scheduler-rpc "http://172.20.0.4:23333/" --fetcher-rpc "http://fetcher/"'
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=24444,25555,23333'
    ports:
      - '5000:5000' # webui的对外的端口为5000,可以通过http://localhost:5000访问webui服务。
    links:
      - 'fetcher-lb:fetcher' # link到其它负载均衡haproxy的服务。
    mem_limit: 256m
    restart: always

networks:
  default:
    external:
      name: pyspider #指定docker-compose的网络接口为:pyspider;实现和docker run方式创建容器的互通。
  • webui服务说明
    • --fetcher-rpc "http://fetcher/"是以服务名的方式指定webui链接到的fetcher服务,因为fetcher实例可以有很多个,我们如果用ip指定就不能起到负载均衡的目的了。
    • --scheduler-rpc "http://172.20.0.4:23333/"是webui直接用ip和port的方式链接到scheduler服务,因为scheduler只有一个。
    • command的其它参数可以参考pyspider的文档:http://docs.pyspider.org/en/latest/
  • haproxy的文档:https://github.com/docker/dockercloud-haproxy
  • docker-compose的文档:https://docs.docker.com/compose/

docker-compose.yml文件写好后,运行docker-compose up(要在docker-compose.yml所在目录)命令,docker-compose开始创建容器服务,如下图:

docker-compose up

 

所有组件服务创建完成后,访问:http://localhost:5000,即可看到webui界面。

如果想创建更多的fetcher, result_work, phantomjs容器实例,可以使用:docker-compose scale phantomjs=2 processor=4 result-worker=2docker-compose会自动帮你创建2个phantomjs服务,4个processor服务,2个result-worker服务;haproxy会自动实现负载均衡,如下图:

docker-compose scale

 

最后说明

  1. redis, mysql, scheudler服务的ip地址需要根据您的容器的ip具体而定。
  2. https://www.jianshu.com/p/1dc8f165da46
  3. https://programming.vip/docs/docker-quickly-builds-distributed-crawler-pyspider.html
  4. https://blog.timeline229.com/pyspider-distributed-deploy/
Logo

权威|前沿|技术|干货|国内首个API全生命周期开发者社区

更多推荐