使用Docker Swarm搭建分布式爬蟲集群的方法示例
在爬蟲開發(fā)過程中，你肯定遇到過需要把爬蟲部署在多個(gè)服務(wù)器上面的情況。此時(shí)你是怎么操作的呢？逐一SSH登錄每個(gè)服務(wù)器，使用git拉下代碼，然后運(yùn)行？代碼修改了，于是又要一個(gè)服務(wù)器一個(gè)服務(wù)器登錄上去依次更新？
有時(shí)候爬蟲只需要在一個(gè)服務(wù)器上面運(yùn)行，有時(shí)候需要在200個(gè)服務(wù)器上面運(yùn)行。你是怎么快速切換的呢？一個(gè)服務(wù)器一個(gè)服務(wù)器登錄上去開關(guān)？或者聰明一點(diǎn)，在Redis里面設(shè)置一個(gè)可以修改的標(biāo)記，只有標(biāo)記對應(yīng)的服務(wù)器上面的爬蟲運(yùn)行？
A爬蟲已經(jīng)在所有服務(wù)器上面部署了，現(xiàn)在又做了一個(gè)B爬蟲，你是不是又得依次登錄每個(gè)服務(wù)器再一次部署？
如果你確實(shí)是這么做的，那么你應(yīng)該后悔沒有早一點(diǎn)看到這篇文章?？赐瓯疚囊院螅隳軌蜃龅剑?/p>
2分鐘內(nèi)把一個(gè)新爬蟲部署到50臺(tái)服務(wù)器上：
docker build -t localhost:8003/spider:0.01 . docker push localhost:8002/spider:0.01 docker service create --name spider --replicas 50 --network host 45.77.138.242:8003/spider:0.01
30秒內(nèi)把爬蟲從50臺(tái)服務(wù)器擴(kuò)展到500臺(tái)服務(wù)器：
docker service scale spider=500
30秒內(nèi)批量關(guān)閉所有服務(wù)器上的爬蟲：
docker service scale spider=0
1分鐘內(nèi)批量更新所有機(jī)器上的爬蟲：
docker build -t localhost:8003/spider:0.02 . docker push localhost:8003/spider:0.02 docker service update --image 45.77.138.242:8003/spider:0.02 spider
這篇文章不會(huì)教你怎么使用Docker，所以請確定你有一些Docker基礎(chǔ)再來看本文。
Docker Swarm是什么
Docker Swarm是Docker自帶的一個(gè)集群管理模塊。他能夠?qū)崿F(xiàn)Docker集群的創(chuàng)建和管理。
環(huán)境搭建
本文將會(huì)使用3臺(tái)Ubuntu 18.04的服務(wù)器來進(jìn)行演示。這三臺(tái)服務(wù)器安排如下：
Master：45.77.138.242
Slave-1：199.247.30.74
Slave-2：95.179.143.21
Docker Swarm是基于Docker的模塊，所以首先要在3臺(tái)服務(wù)器上安裝Docker。安裝完成Docker以后，所有的操作都在Docker中完成。
在Master上安裝Docker
通過依次執(zhí)行下面的命令，在Master服務(wù)器上安裝Docker
apt-get update apt-get install -y apt-transport-https ca-certificates curl software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu bionic stable" apt-get update apt-get install -y docker-ce
創(chuàng)建Manager節(jié)點(diǎn)
一個(gè)Docker Swarm集群需要Manager節(jié)點(diǎn)?，F(xiàn)在初始化Master服務(wù)器，作為集群的Manager節(jié)點(diǎn)。運(yùn)行下面一條命令。
docker swarm init
運(yùn)行完成以后，可以看到的返回結(jié)果下圖所示。
這個(gè)返回結(jié)果中，給出了一條命令：
這條命令需要在每一個(gè)從節(jié)點(diǎn)（Slave）中執(zhí)行。現(xiàn)在先把這個(gè)命令記錄下來。
初始化完成以后，得到一個(gè)只有1臺(tái)服務(wù)器的Docker 集群。執(zhí)行如下命令：
docker node ls
可以看到當(dāng)前這個(gè)集群的狀態(tài)，如下圖所示。
創(chuàng)建私有源（可選）
創(chuàng)建私有源并不是一個(gè)必需的操作。之所以需要私有源，是因?yàn)轫?xiàng)目的Docker鏡像可能會(huì)涉及到公司機(jī)密，不能上傳到DockerHub這種公共平臺(tái)。如果你的鏡像可以公開上傳DockerHub，或者你已經(jīng)有一個(gè)可以用的私有鏡像源，那么你可以直接使用它們，跳過本小節(jié)和下一小節(jié)。
私有源本身也是一個(gè)Docker的鏡像，先將拉取下來：
docker pull registry:latest
如下圖所示。
現(xiàn)在啟動(dòng)私有源：
如下圖所示。
在啟動(dòng)命令中，設(shè)置了對外開放的端口為8003端口，所以私有源的地址為：45.77.138.242:8003
提示:
這樣搭建的私有源是HTTP方式，并且沒有權(quán)限驗(yàn)證機(jī)制，所以如果對公網(wǎng)開放，你需要再使用防火墻做一下IP白名單，從而保證數(shù)據(jù)的安全。
允許docker使用可信任的http私有源（可選）
如果你使用上面一個(gè)小節(jié)的命令搭建了自己的私有源，由于Docker默認(rèn)是不允許使用HTTP方式的私有源的，因此你需要配置Docker，讓Docker信任它。
使用下面命令配置Docker：
echo '{ "insecure-registries":["45.77.138.242:8003"] }' >> /etc/docker/daemon.json
然后使用下面這個(gè)命令重啟docker。
systemctl restart docker
如下圖所示。
重啟完成以后，Manager節(jié)點(diǎn)就配置好了。
創(chuàng)建子節(jié)點(diǎn)初始化腳本
對于Slave服務(wù)器來說，只需要做三件事情：
- 安裝Docker
- 加入集群
- 信任源
從此以后，剩下的事情全部交給Docker Swarm自己管理，你再也不用SSH登錄這個(gè)服務(wù)器了。
為了簡化操作，可以寫一個(gè)shell腳本來批量運(yùn)行。在Slave-1和Slave-2服務(wù)器下創(chuàng)建一個(gè) init.sh 文件，其內(nèi)容如下。
apt-get update
apt-get install -y apt-transport-https ca-certificates curl software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu bionic stable"
apt-get update
apt-get install -y docker-ce
echo '{ "insecure-registries":["45.77.138.242:8003"] }' >> /etc/docker/daemon.json
systemctl restart docker
docker swarm join --token SWMTKN-1-0hqsajb64iynkg8ocp8uruktii5esuo4qiaxmqw2pddnkls9av-dfj7nf1x3vr5qcj4cqiusu4pv 45.77.138.242:2377
把這個(gè)文件設(shè)置為可自行文件，并運(yùn)行：
chmod +x init.sh ./init.sh
如下圖所示。
等待腳本運(yùn)行完成以后，你就可以從Slave-1和Slave-2的SSH上面登出了。以后也不需要再進(jìn)來了。
回到Master服務(wù)器，執(zhí)行下面的命令，來確認(rèn)現(xiàn)在集群已經(jīng)有3個(gè)節(jié)點(diǎn)了：
docker node ls
看到現(xiàn)在集群中已經(jīng)有3個(gè)節(jié)點(diǎn)了。如下圖所示。
到止為止，最復(fù)雜最麻煩的過程已經(jīng)結(jié)束了。剩下的就是體驗(yàn)Docker Swarm帶來的便利了。
創(chuàng)建測試程序
搭建測試Redis
由于這里需要模擬一個(gè)分布式爬蟲的運(yùn)行效果，所以先使用Docker搭建一個(gè)臨時(shí)的Redis服務(wù)：
在Master服務(wù)器上執(zhí)行以下命令：
這個(gè)Redis對外使用 7891 端口，密碼為 KingnameISHandSome8877 ，IP就是Master服務(wù)器的IP地址。
編寫測試程序
編寫一個(gè)簡單的Python程序：
import time
import redis
client = redis.Redis(host='45.77.138.242', port='7891', password='KingnameISHandSome8877')
while True:
data = client.lpop('example:swarm:spider')
if not data:
break
print(f'我現(xiàn)在獲取的數(shù)據(jù)為：{data.decode()}')
time.sleep(10)
這個(gè)Python每10秒鐘從Redis中讀取一個(gè)數(shù)，并打印出來。
編寫Dockerfile
編寫Dockerfile，基于Python3.6的鏡像創(chuàng)建我們自己的鏡像：
from python:3.6 label mantainer='[email protected]' user root ENV PYTHONUNBUFFERED=0 ENV PYTHONIOENCODING=utf-8 run python3 -m pip install redis copy spider.py spider.py cmd python3 spider.py
構(gòu)建鏡像
編寫完成Dockerfile以后，執(zhí)行下面的命令，開始構(gòu)建我們自己的鏡像：
docker build -t localhost:8003/spider:0.01 .
這里需要特別注意，由于我們要把這個(gè)鏡像上傳到私有源供Slave服務(wù)器上面的從節(jié)點(diǎn)下載，所以鏡像的命名方式需要滿足 localhost:8003/自定義名字:版本號 這樣的格式。其中的 自定義名字 和 版本號 可以根據(jù)實(shí)際情況進(jìn)行修改。在本文的例子中，我由于要模擬一個(gè)爬蟲的程序，所以給它取名為spider，由于是第1次構(gòu)建，所以版本號用的是0.01。
整個(gè)過程如下圖所示。
上傳鏡像到私有源
鏡像構(gòu)建完成以后，需要把它上傳到私有源。此時(shí)需要執(zhí)行命令：
docker push localhost:8003/spider:0.01
如下圖所示。
大家記住這個(gè)構(gòu)建和上傳的命令，以后每一次更新代碼，都需要使用這兩條命令。
創(chuàng)建服務(wù)
Docker Swarm上面運(yùn)行的是一個(gè)一個(gè)的服務(wù)，因此需要使用docker service命令創(chuàng)建服務(wù)。
這個(gè)命令創(chuàng)建了一個(gè)名為 spider 的服務(wù)。默認(rèn)運(yùn)行1個(gè)容器。運(yùn)行情況如下圖所示。
當(dāng)然也可以一創(chuàng)建就用很多容器來運(yùn)行，此時(shí)只需要添加一個(gè) --replicas 參數(shù)即可。例如一創(chuàng)建服務(wù)就使用50個(gè)容器運(yùn)行：
但是一般一開始的代碼可能會(huì)有不少bug，所以建議先使用1個(gè)容器來運(yùn)行，觀察日志，發(fā)現(xiàn)沒有問題以后再進(jìn)行擴(kuò)展。
回到默認(rèn)1個(gè)容器的情況下，這個(gè)容器可能在目前三臺(tái)機(jī)器在的任何一臺(tái)上面。通過執(zhí)行下面的命令來觀察這一個(gè)默認(rèn)的容器運(yùn)行情況：
docker service ps spider
如下圖所示。
查看節(jié)點(diǎn)Log
根據(jù)上圖執(zhí)行結(jié)果，可以看到這個(gè)運(yùn)行中的容器的ID為 rusps0ofwids ，那么執(zhí)行下面的命令動(dòng)態(tài)查看Log：
docker service logs -f 容器ID
此時(shí)就會(huì)持續(xù)跟蹤這一個(gè)容器的Log。如下圖所示。
橫向擴(kuò)展
現(xiàn)在，只有1臺(tái)服務(wù)器運(yùn)行了一個(gè)容器，我想使用3臺(tái)服務(wù)器運(yùn)行這個(gè)爬蟲，那么我需要執(zhí)行一條命令即可：
docker service scale spider=3
運(yùn)行效果如下圖所示。
此時(shí)，再一次查看爬蟲的運(yùn)行情況，可以發(fā)現(xiàn)三臺(tái)機(jī)器上面會(huì)各自運(yùn)行一個(gè)容器。如下圖所示。
現(xiàn)在，我們登錄slave-1機(jī)器上，看看是不是真的有一個(gè)任務(wù)在運(yùn)行。如下圖所示。
可以看到確實(shí)有一個(gè)容器在上面運(yùn)行著。這是Docker Swarm自動(dòng)分配過來的。
現(xiàn)在我們使用下面的命令強(qiáng)行把slave-1上面的Docker給關(guān)了，再來看看效果。
systemctl stop docker
回到master服務(wù)器，再次查看爬蟲的運(yùn)行效果，如下圖所示。
可以看到，Docker Swarm探測到Slave-1掉線以后，他就會(huì)自動(dòng)重新找個(gè)機(jī)器啟動(dòng)任務(wù)，保證始終有3個(gè)任務(wù)在運(yùn)行。在這一次的例子中，Docker Swarm自動(dòng)在master機(jī)器上啟動(dòng)了2個(gè)spider容器。
如果機(jī)器性能比較好，甚至可以在3每臺(tái)機(jī)器上面多運(yùn)行幾個(gè)容器：
docker service scale spider=10
此時(shí)，就會(huì)啟動(dòng)10個(gè)容器來運(yùn)行這些爬蟲。這10個(gè)爬蟲之間互相隔離。
如果想讓所有爬蟲全部停止怎么辦？非常簡單，一條命令：
docker service scale spider=0
這樣所有爬蟲就會(huì)全部停止。
同時(shí)查看多個(gè)容器的日志
如果想同時(shí)看所有容器怎么辦呢？可以使用如下命令查看所有容器的最新的20行日志：
這樣，日志就會(huì)按順序顯示出來了。如下圖所示。
更新爬蟲
如果你的代碼做了修改。那么你需要更新爬蟲。
先修改代碼，重新構(gòu)建，重新提交新的鏡像到私有源中。如下圖所示。
接下來需要更新服務(wù)中的鏡像。更新鏡像有兩種做法。一種是先把所有爬蟲關(guān)閉，再更新。
docker service scale spider=0 docker service update --image 45.77.138.242:8003/spider:0.02 spider docker service scale spider=3
第二種是直接執(zhí)行更新命令。
docker service update --image 45.77.138.242:8003/spider:0.02 spider
他們的區(qū)別在于，直接執(zhí)行更新命令時(shí)，正在運(yùn)行的容器會(huì)一個(gè)一個(gè)更新。
運(yùn)行效果如下圖所示。
你可以用Docker Swarm做更多事情
本文使用的是一個(gè)模擬爬蟲的例子，但是顯然，任何可以批量運(yùn)行的程序都能夠用Docker Swarm來運(yùn)行，無論你用Redis還是Celery來通信，無論你是否需要通信，只要能批量運(yùn)行，就能用Docker Swarm。
在同一個(gè)Swarm集群里面，可以運(yùn)行多個(gè)不同的服務(wù)，各個(gè)服務(wù)之間互不影響。真正做到了搭建一次Docker Swarm集群，然后就再也不用管了，以后的所有操作你都只需要在Manager節(jié)點(diǎn)所在的這個(gè)服務(wù)器上面運(yùn)行。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持本站。
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信