Crawlab(分布式爬蟲管理平臺(tái))v0.5.1免費(fèi)版

Crawlab是基于Golang的分布式爬蟲管理平臺(tái)，支持Python、NodeJS、Go、Java、PHP等多種編程語言以及多種爬蟲框架，分為Docker、直接部署、Kubernetes三種安裝方式!

軟件介紹

Crawlab架構(gòu)：

Crawlab的架構(gòu)包括了一個(gè)主節(jié)點(diǎn)(Master Node)和多個(gè)工作節(jié)點(diǎn)(Worker Node)，以及負(fù)責(zé)通信和數(shù)據(jù)儲(chǔ)存的Redis和MongoDB數(shù)據(jù)庫。

前端應(yīng)用向主節(jié)點(diǎn)請(qǐng)求數(shù)據(jù)，主節(jié)點(diǎn)通過MongoDB和Redis來執(zhí)行任務(wù)派發(fā)調(diào)度以及部署，工作節(jié)點(diǎn)收到任務(wù)之后，開始執(zhí)行爬蟲任務(wù)，并將任務(wù)結(jié)果儲(chǔ)存到MongoDB。架構(gòu)相對(duì)于v0.3.0之前的Celery版本有所精簡，去除了不必要的節(jié)點(diǎn)監(jiān)控模塊Flower，節(jié)點(diǎn)監(jiān)控主要由Redis完成。

主節(jié)點(diǎn)

主節(jié)點(diǎn)是整個(gè)Crawlab架構(gòu)的核心，屬于Crawlab的中控系統(tǒng)。主節(jié)點(diǎn)負(fù)責(zé)與前端應(yīng)用進(jìn)行通信，并通過Redis將爬蟲任務(wù)派發(fā)給工作節(jié)點(diǎn)。同時(shí)，主節(jié)點(diǎn)會(huì)同步(部署)爬蟲給工作節(jié)點(diǎn)，通過Redis和MongoDB的GridFS。

工作節(jié)點(diǎn)

工作節(jié)點(diǎn)的主要功能是執(zhí)行爬蟲任務(wù)和儲(chǔ)存抓取數(shù)據(jù)與日志，并且通過Redis的PubSub跟主節(jié)點(diǎn)通信。通過增加工作節(jié)點(diǎn)數(shù)量，Crawlab可以做到橫向擴(kuò)展，不同的爬蟲任務(wù)可以分配到不同的節(jié)點(diǎn)上執(zhí)行。

MongoDB

MongoDB是Crawlab的運(yùn)行數(shù)據(jù)庫，儲(chǔ)存有節(jié)點(diǎn)、爬蟲、任務(wù)、定時(shí)任務(wù)等數(shù)據(jù)，另外GridFS文件儲(chǔ)存方式是主節(jié)點(diǎn)儲(chǔ)存爬蟲文件并同步到工作節(jié)點(diǎn)的中間媒介。

Redis

Redis是非常受歡迎的Key-Value數(shù)據(jù)庫，在Crawlab中主要實(shí)現(xiàn)節(jié)點(diǎn)間數(shù)據(jù)通信的功能。例如，節(jié)點(diǎn)會(huì)將自己信息通過HSET儲(chǔ)存在Redis的nodes哈希列表中，主節(jié)點(diǎn)根據(jù)哈希列表來判斷在線節(jié)點(diǎn)。

前端

前端是一個(gè)基于Vue-Element-Admin的單頁應(yīng)用。其中重用了很多Element-UI的控件來支持相應(yīng)的展示。