[Python3网络爬虫开发实战] 1.9.2-Scrapyd的安装
Scrapyd是一个用于部署和运行Scrapy项目的工具，有了它，你可以将写好的Scrapy项目上传到云主机并通过API来控制它的运行。
既然是Scrapy项目部署，基本上都使用Linux主机，所以本节的安装是针对于Linux主机的。
1. 相关链接
- GitHub：https://github.com/scrapy/scrapyd
- PyPI：https://pypi.python.org/pypi/scrapyd
- 官方文档：https://scrapyd.readthedocs.io
2. pip安装
这里推荐使用pip安装，命令如下：
|
1
|
pip3 install scrapyd
|
3. 配置
安装完毕之后，需要新建一个配置文件/etc/scrapyd/scrapyd.conf，Scrapyd在运行的时候会读取此配置文件。
在Scrapyd 1.2版本之后，不会自动创建该文件，需要我们自行添加。
首先，执行如下命令新建文件：
|
1
2
|
sudo mkdir /etc/scrapyd
sudo vi /etc/scrapyd/scrapyd.conf
|
接着写入如下内容：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
[scrapyd]
eggs_dir = eggs
logs_dir = logs
items_dir =
jobs_to_keep = 5
dbs_dir = dbs
max_proc = 0
max_proc_per_cpu = 10
finished_to_keep = 100
poll_interval = 5.0
bind_address = 0.0.0.0
http_port = 6800
debug = off
runner = scrapyd.runner
application = scrapyd.app.application
launcher = scrapyd.launcher.Launcher
webroot = scrapyd.website.Root
[services]
schedule.json = scrapyd.webservice.Schedule
cancel.json = scrapyd.webservice.Cancel
addversion.json = scrapyd.webservice.AddVersion
listprojects.json = scrapyd.webservice.ListProjects
listversions.json = scrapyd.webservice.ListVersions
listspiders.json = scrapyd.webservice.ListSpiders
delproject.json = scrapyd.webservice.DeleteProject
delversion.json = scrapyd.webservice.DeleteVersion
listjobs.json = scrapyd.webservice.ListJobs
daemonstatus.json = scrapyd.webservice.DaemonStatus
|
配置文件的内容可以参见官方文档https://scrapyd.readthedocs.io/en/stable/config.html#example-configuration-file。这里的配置文件有所修改，其中之一是max_proc_per_cpu官方默认为4，即一台主机每个CPU最多运行4个Scrapy任务，在此提高为10。另外一个是bind_address，默认为本地127.0.0.1，在此修改为0.0.0.0，以使外网可以访问。
4. 后台运行
Scrapyd是一个纯Python项目，这里可以直接调用它来运行。为了使程序一直在后台运行，Linux和Mac可以使用如下命令：
|
1
|
(scrapyd > /dev/null &)
|
这样Scrapyd就会在后台持续运行了，控制台输出直接忽略。当然，如果想记录输出日志，可以修改输出目标，如：
|
1
|
(scrapyd > ~/scrapyd.log &)
|
此时会将Scrapyd的运行结果输出到~/scrapyd.log文件中。
当然也可以使用screen、tmux、supervisor等工具来实现进程守护。
运行之后，便可以在浏览器的6800端口访问Web UI了，从中可以看到当前Scrapyd的运行任务、日志等内容，如图1-85所示。
图1-85 Scrapyd首页
当然，运行Scrapyd更佳的方式是使用Supervisor守护进程，如果感兴趣，可以参考：http://supervisord.org/。
另外，Scrapyd也支持Docker，后面我们会介绍Scrapyd Docker镜像的制作和运行方法。
5. 访问认证
配置完成后，Scrapyd和它的接口都是可以公开访问的。如果想配置访问认证的话，可以借助于Nginx做反向代理，这里需要先安装Nginx服务器。
在此以Ubuntu为例进行说明，安装命令如下：
|
1
|
sudo apt-get install nginx
|
然后修改Nginx的配置文件nginx.conf，增加如下配置：
|
1
2
3
4
5
6
7
8
9
10
|
http {
server {
listen 6801;
location / {
proxy_pass http://127.0.0.1:6800/;
auth_basic "Restricted";
auth_basic_user_file /etc/nginx/conf.d/.htpasswd;
}
}
}
|
这里使用的用户名和密码配置放置在/etc/nginx/conf.d目录下，我们需要使用htpasswd命令创建。例如，创建一个用户名为admin的文件，命令如下：
|
1
|
htpasswd -c .htpasswd admin
|
接着就会提示我们输入密码，输入两次之后，就会生成密码文件。此时查看这个文件的内容：
|
1
2
|
cat .htpasswd
admin:5ZBxQr0rCqwbc
|
配置完成后，重启一下Nginx服务，运行如下命令：
|
1
|
sudo nginx -s reload
|
这样就成功配置了Scrapyd的访问认证了。
