推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 1641 天前的主题，其中的信息可能已经有所发展或是发生改变。
我最近遇到一个问题。我用 python 写了一个 selenium 爬虫，自动处理一些任务。现在放在 4 个 windows 服务器上，
我更新爬虫文件都是用远程桌面连接，将新代码复制粘贴进去，然后关闭正在运行的爬虫程序，再打开新更换的。
现在还好，以后服务器多了，这样手动维护总感觉不太对劲。
请教一下有什么好的办法没有？如何能够自动更新代码并在更新后自动重启爬虫 python 程序？有什么工具可以使用吗？谢谢！
我更新爬虫文件都是用远程桌面连接，将新代码复制粘贴进去，然后关闭正在运行的爬虫程序，再打开新更换的。
现在还好，以后服务器多了，这样手动维护总感觉不太对劲。
请教一下有什么好的办法没有？如何能够自动更新代码并在更新后自动重启爬虫 python 程序？有什么工具可以使用吗？谢谢！
 |
1
Latin 2020-07-01 16:27:32 +08:00  1
稍等会，会有人过来推荐的
 |
 |
2
zzxy001 OP 还请大佬们指点迷津，百度了半天也没找到好的解决办法
|
 |
3
scukmh 2020-07-01 16:32:29 +08:00
webhook 它不香嘛？
|
 |
4
Ultraman 2020-07-01 16:33:06 +08:00 via Android
不负责任猜测哦，开个 git 仓库，本地改完推上去，服务端写个脚本定时往回拉然后关掉旧的开新的。虽然比较糙。
|
 |
5
wysnylc 2020-07-01 16:36:27 +08:00
所有的项目最终都要考虑分布式
|
 |
6
lenqu 2020-07-01 16:38:02 +08:00
容器化解决的就是这个问题，常规 k8s，简单 shell 脚本就能实现
|
|
7
zzxy001 OP 目前是这个问题，以后项目可能需要根据任务的不同动态启动不同的 selenium 爬虫程序，让每个服务器都不会空闲。
我属于小白一个，感谢大家。大家提的建议我都会去百度学习，看看能不能实现我想要的功能 |
 |
9
MrTreasure 2020-07-01 16:44:44 +08:00
找一个 ssh 的库，写脚本，把你这些手动操作的步骤都写成脚本
|
|
10
zzxy001 OP @MrTreasure 是 shell 脚本可以完成这些步骤吗？
|
|
11
zzxy001 OP @MrTreasure 刚刚初步搜了一下，shell 脚本是 Linux 系统，window 可以用吗
|
 |
12
la2la 2020-07-01 17:00:03 +08:00
使用工具是有成本的，如果服务器或者爬虫的数量不是特别多的话，可以写个脚本，在开发环境测试后，运行脚本把文件分配到服务器上，顺便重启。
|
 |
13
raphael008 2020-07-01 17:06:31 +08:00
linux->ansible
windows->powershell |
 |
14
matepi 2020-07-01 17:12:23 +08:00
搭 Git
爬虫的任务进程以外，再开个守护性进程。守护进程负责从 Git 上拉；拉完杀了重启任务进程 守护性进程还可以做些例行任务管控、查询任务进度之类的的动作，和爬虫执行任务进程解耦分离 守护进程挂到 windows 服务自启。 |
 |
15
kalago 2020-07-01 17:13:15 +08:00
scrapyd 不能满足你这个需求吗？
|
 |
16
Saurichthys 2020-07-01 17:32:47 +08:00
xx-job 维护就好了
|
 |
17
luocjv 2020-07-01 17:33:09 +08:00 1
代码加版本控制推荐 git, 可以自己搭建 gitlab 或者用 github 之类的,然后改完代码用 webhook 触发多个服务器上的更新代码脚本并重启服务
|
 |
18
wiken 2020-07-01 18:00:14 +08:00
git + webhook
|
 |
19
tikazyq 2020-07-01 18:08:03 +08:00 via iPhone
|
 |
21
gabon 2020-07-01 21:36:38 +08:00 via Android
任务调度平台
|
 |
22
qsbaq 2020-07-01 21:50:38 +08:00
定时每分钟拉取 git 或者 svn 最新的代码
然后定期用脚本重启爬虫 |
 |
23
ClericPy 2020-07-01 23:04:43 +08:00
最近正好也在整集群折腾 chrome 爬虫, 不过肯定不会用 selenium 这种过时的东西...
简单的说, linux 真的太香了, 一开始用的 VPS 是 windows Server 用的 rdp 一开始还觉得有界面挺好的, 安装软件也挺快的... 后来贴代码实在傻, 就又弄了几台 CentOS, 全程 fabric, 线上调试也是 tmux 太简单了, 关键内存利用率高多了 跑题了, 目前楼上们说的用 git 自动拉代码已经是成本比较低的了, 如果代码不敏感, 自己写个 api 远程下代码对比字符串变化重启服务的小脚本也不是没写过... |
 |
24
jiejiss 2020-07-01 23:16:33 +08:00
写个新爬虫从你的服务器上爬取旧爬虫的源码，然后替换+重启 :D
（建议你用土法子是考虑到你很可能弄不来 webhook 。否则还是建议 webhook |
 |
25
freakxx 2020-07-01 23:17:33 +08:00
如果不考虑其他比较好的办法，快速解决
> 将新代码复制粘贴进去，然后关闭正在运行的爬虫程序，再打开新更换的。 2 种方法，被动和主动 1.写个 script， 内容：git pull，restart （ kill pid，start )； 2.1 被动：楼上说的，webhook，或者直接用 pipeline ； 2.2 主动：你直接写个脚本，每分钟自动 git pull 代码，pull 到代码就 restart |
 |
26
locoz 2020-07-01 23:33:23 +08:00 via Android 1
如果考虑到未来的扩展性和方便性，建议上容器化，但是系统最好是换成 Linux 。管理方面简单粗暴点就 docker 自带的那套集群方案，复杂点又想省资源就 k3s，可以结合脚本也可以直接对接 cicd 实现代码更新后自动更新所有服务器的程序。
|
 |
27
opengps 2020-07-01 23:51:07 +08:00
搭建成内网共享同一个数据库。各自取数更新标识
|
 |
28
wst 2020-07-02 00:34:07 +08:00 via Android
简单的分布式爬虫框架 Aragog
https://www.v2ex.com/t/683324 |
 |
29
phobal 2020-07-02 08:40:15 +08:00 via iPhone
GitHub Action 、gitlab 自定义 webhook，或者写个 pipeline，方法不要太多
|
|
30
zzxy001 OP 这个社区的大神就是多，谢谢各位。根据大家的建议我搜索了关键词，找到了一个解决办法附带了 shell 脚本代码的，目前准备先试一试。当然 git 和 webhook 我也会试一试，学习一下新技术
|
Select Language