10.3969/j.issn.1672-6200.2022.06.011
基于Pyspider的网络爬虫架构的分析与优化
为了从互联网海量数据中获取数据资源,实现对前沿技术动态的监控,使用Pyspider框架定时爬取大批网站的信息,并通过python脚本定时将爬取的数据导入到业务系统中.最初,系统采用了Pyspider官方推荐的分布式架构,在使用中发现存在任务队列容易堵塞、受网络质量影响大、获得的数据不利于统计和使用等问题.针对上述问题和业务需要,对Pyspider框架进行优化,将分布式架构转变为集群式架构;剥离与网页内容获取和保存不相关的任务,在Pyspider框架外独立完成.经测试,改进后的架构工作效率和稳定性大幅提升,达到了预期的效果.
Pyspider、网络爬虫、分布式、集群
TP29(自动化技术及设备)
2023-05-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
9-12