小白 Python 爬虫布置 Linux
2019-11-18杂谈搜奇网32°c
A+ A-媒介
前面国庆节的时刻写过一个浅易的爬虫。
《Python 浅易爬虫实战》
还没看过的同砚能够先看一下,这只爬虫主要用来爬取各个博客平台的浏览量等数据,一直以来都是天天晚上我本身手动在当地电脑运转,中心也有过频频遗忘运转了,致使没有当天的统计数据。
固然最好的方法就是把这只爬虫布置在效劳器上,让效劳器定时去运转,如许就不须要我天天人工运转了,另有别的一件事就是之前也说了要做一个统计页面,本身挖的坑,要本身填起来。
恰好近来各个云效劳厂商都在搞双十一的运动,小编一眼看下去,都是新用户才享用优惠,还好,小编在京东云照样新用户,购置了京东云的效劳。
这个价钱实在是太!贵!了!
平常本身测试运用没必要买和我同款的机械,小编买这个是为了背面有一些其他的效劳也能够布置在上面。
闲话不多说,我们正式最先吧。
前置环境预备
新机械拿到手,除了上面装好了一个 CentOS
之外,啥都没有了,第一步固然是先把环境装起来啊。
先枚举下我们要装的软件:
- Docker
- Mysql
- Python3
- Java8
- Nginx
先装这么多吧,后续有补充的话再接着装。
Docker
起首什么是 Docker 请列位同砚本身摆渡好吧,我简朴诠释一下 Docker 是一个容器,这个容器中能够运转许多的顺序,这些顺序之间互不滋扰,假如个中谁人顺序在运用的过程当中设置不对搞不定了,只须要将对应的 container 住手掉删撤除从新启动一个即可,从这一点上来说类似于一个沙盒环境。这一点上尤其是数据库,本人具有者雄厚的在当地装置 Mysql 把 Mysql 玩脱了从新装置的履历。照样 Docker 好用。
最先装置 Docker ,起首时用本身喜好的东西衔接到长途的效劳器上(小编这里运用的是 xshell ),或许也能够本身当地装置对应的 CentOS 虚拟机(win 环境下装置 CentOS 虚拟机又能够写一篇教程了,尤其是个中的收集设置,第一次装置的同砚十有八九都卡在这里,有须要的同砚能够在民众号给我留言)。
衔接胜利后以下图:
彷佛把 ip 显露来了,emmmmmmmmmmmmm ,列位大佬,没事干别进击小编的机械,拜谢。
# step 1: 装置必要的一些体系东西
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
# Step 2: 增添软件源信息
sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
# Step 3: 更新并装置 Docker-CE
sudo yum makecache fast
sudo yum -y install docker-ce
# Step 4: 开启Docker效劳
sudo systemctl start docker
假如 Linux 是运用 root 账号登录,敕令中无需增添 sudo
,这个症结字的寄义是运用治理员权限实行敕令。
Docker 默许的镜像源在悠远的太平洋的另一端,能够设置国内的镜像加快来加块我们的拉取速率,小编这里挑选的是阿里云的镜像加快,设置体式格局以下:
# 建立文件夹
sudo mkdir -p /etc/docker
# 写入设置内容
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"registry-mirrors": ["https://12ofullf.mirror.aliyuncs.com"]
}
EOF
# 重启效劳
sudo systemctl daemon-reload
sudo systemctl restart docker
至此,Docker 装置设置就完成了,能够运用以下敕令检察 Docker 的相干信息来考证 Docker 一般装置:
docker info
页面一般打印以下:
Mysql
Mysql 能够有两种装置体式格局,一种是直接在 CentOS 上举行装置,另一种是在 Docker 中举行装置,这里小编挑选后一种,别问为啥,问就是简朴、轻易、快速。
小编这里装置的 Mysql 挑选版本为 5.7 ,装置敕令以下:
docker pull mysql:5.7
等进度条走完,好了,我们已装好了 Mysql ,是不是是很简朴。
固然,我们适才只是把 Mysql 的现象给 pull 下来了,接下来的启动才是症结。
docker run --name mysql --restart=always -p 3306:3306 -v /www/mysql/conf.d:/etc/mysql/conf.d -v /www/mysql/mysql.conf.d:/etc/mysql/mysql.conf.d -v /www/mysql/datadir:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 -e TZ=Asia/Shanghai -d mysql:5.7
这个敕令轻微有点长,不过没紧要,直接 Copy 就 Ok。
轻微诠释下个中的寄义吧:
--restart
标志会搜检容器的退出代码,并据此来决议是不是要重启容器,默许是不会重启。
--restart
的参数申明:
- always:不管容器的退出代码是什么,Docker都邑自动重启该容器。
- on-failure:只有当容器的退出代码为非0值的时刻才会自动重启。别的,该参数还接收一个可选的重启次数参数,
--restart=on-fialure:5
示意当容器退出代码为非0时,Docker会尝试自动重启该容器,最多5次。
-v 容器内的 /var/lib/mysql 在宿主机上 /www/mysql/datadir 做映照
-e MYSQL_ROOT_PASSWORD 初始密码
-p 将宿主机3306的端口映照到容器3306端口
接下来我们测试下适才装置的 Mysql ,固然是运用当地的衔接东西看下是不是能一般衔接啊,这里的东西小编挑选了 Navicat 这一典范的 Mysql 衔接东西。
测试链接胜利,我们的 Mysql 装置完成。
Nginx
Nginx 是一款优异的反向代办东西,细致的信息列位同砚能够摆渡,简朴形貌下运用场景的话就是我一台效劳器上能够启动多个效劳,经由过程 Nginx 反向代办,能够映照多个域名,运用差别的域名接见差别的效劳,固然 Nginx 的功用远不止这些。
起首,翻开 Nginx 的官网( http://nginx.org/en/download.html ),挑选一个你喜好的版本,Copy 到它的下载链接:
然后我们运用 wget 敕令来下载它。
cd /opt/
wget http://nginx.org/download/nginx-1.17.5.tar.gz
小编这里挑选的 Nginx 的版本为 1.17.5 。
守候进度条走完,这时候我们得到了一个 Nginx 的压缩包,接下来解压它。
tar -xvzf nginx-1.17.5.tar.gz
然后我们须要装置 nginx 的编译环境:
yum install -y gcc-c++ pcre pcre-devel zlib zlib-devel openssl openssl-devel
守候进度条走完。
进入我们适才解压的目次:
cd nginx-1.17.5
最先设置、编译、装置:
./configure
make && make install
一小段时候的守候。
守候实行完成后,能够看到 Nginx 已帮我们装置到 /usr/local/nginx/
这个目次下了,接下来我们能够建立一个软衔接,让我们在任何目次都能够直接实行 nginx 的敕令:
ln -s /usr/local/nginx/sbin/nginx /usr/local/sbin/
nginx 相干敕令
# 启动
nginx
# 住手
nginx -s quit 或许 nginx -s stop
# 重启
nginx -s reload
我们启动 nginx ,翻开浏览器接见直接接见ip,如图:
Nginx 已装置完成,反向代办的设置我们背面用到了再聊,这里先酱。
Java8
统计报表效劳小编这里设想运用 Java 来写,固然 Java 顺序也能够放入 Docker 中运转,不过设置 Java 环境就是一件随手的事变,趁便做了吧:)
起首一样,先下载 JDK8 ,而且将 JDK8 放入 /opt/ 目次中。
因为小编这里当地有下好的,就不去下载了,人人能够接见 Oracle 的官网下载。
小编这里给一个下载链接:https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
回到我们的 CentOS :
cd /opt/
ll
小编这里运用的 jdk 的版本是 8u221 。
直接解压:
tar -xvzf jdk-8u221-linux-x64.tar.gz
好了,我们又装置完了,固然还须要设置下环境变量,直接编辑 /etc/profile
这个文件,在文件中到场我们的环境变量:
# 编辑
vi /etc/profile
写入环境变量以下:
# 先按 i 开启插进去形式,写入以下内容
export JAVA_HOME=/opt/jdk1.8.0_221
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
退出保留时先按 esc 键,输入 :wq
,再按回车键 enter
。
这时候须要革新下设置文件:
source /etc/profile
我们来测试适才设置的 jdk 环境变量是不是见效:
# 输入
java -version
# 输出
java version "1.8.0_221"
Java(TM) SE Runtime Environment (build 1.8.0_221-b11)
Java HotSpot(TM) 64-Bit Server VM (build 25.221-b11, mixed mode)
# 输入
javac -version
# 输出
javac 1.8.0_221
jdk 装置完成
Python3
终究到了最主要的 Python3 的装置了 。
起首一样,去 Python 的官网,找到对应版本的 Python3 的下载地点,进入 /opt/
目次举行下载:
官网下载链接:https://www.python.org/downloads/source/
小编这里挑选的是停止现在最新宣布的 3.8.0 版本。
wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz
下载完成后直接解压:
tar -xvzf Python-3.8.0.tgz
解压后编译装置:
# 建立装置目次
mkdir /usr/local/python3
cd Python-3.8.0
# 搜检设置
./configure --prefix=/usr/local/python3
# 编译、装置
make && make install
# 建立软衔接
ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3
测试装置效果:
# 输入
python3 -V
# 输出
Python 3.8.0
至此,前置环境已搭建完成~~~
布置爬虫
我们前面写的爬虫是一个 .py
,先把这个文件上传至效劳器,目次本身喜好就好,小编平常安排在 /opt/
目次下。
因为我们的爬虫引用了一些第三方的模块,这里须要先装置这些模块:
pip3 install lxml pymysql
装置完成后我们实行一下之前的剧本:
# 输入
python3 /opt/pythonproject/spider-demo.py
# 输出
---------CSDN 数据写入完成---------
---------掘金 数据写入完成---------
---------CNBLOG 数据写入完成---------
能够看到实行胜利,接下来,我们要为 CentOS 设置定时使命,临时先设置成天天的整点实行一次我们的 Python 爬虫,便于我们区分当前的使命是不是实行。
定时使命我们是运用 crontab 来完成的,假如当前的 CentOS 不含有 crontab ,能够先举行装置:
yum install crontabs -y
几个基本敕令相识一下:
/sbin/service crond start //启动效劳
/sbin/service crond stop //封闭效劳
/sbin/service crond restart //重启效劳
/sbin/service crond reload //从新载入设置
检察crontab效劳状况:service crond status
我们先设置定时使命:
# 进入使命设想设置
crontab -e
# 设想内容
0 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23 * * * python3 /opt/pythonproject/spider-demo.py
# 保留退出
:wq
使命设置完成后,从新载入一下设置,或许重启一下效劳都是能够的。
接下来就是静静的守候一小时后看下数据有无一般的写入数据库。
统计报表
统计报表运用 Java 来完成,后端运用手艺为 SpringBoot + Mybatis + Thymeleaf 。前端设想手艺为 Vue + Element(饿了么前端组件库)。
详细完成就不枚举了,有兴致的同砚能够接见代码堆栈猎取。
制品大抵是酱紫滴:
Java 顺序宣布大抵引见一下吧,在效劳器上建立一个本身喜好的目次,将当地的顺序打包后拖上去,实行下面的敕令:
nohup java -jar /opt/project/tongji.jar >tongji.out 2>&1 &
就启动胜利了。固然也能够将这个顺序打成 Docker 镜像(这个后续有时机再聊吧),经由过程 Docker 来启动 Java 效劳。
你认为这就完了么?怎么可能,我们另有 Nginx 没有用呢,下面来引见怎样经由过程 Nginx 来反向代办一个域名。
起首,你要有一个域名,小编的域名是在腾讯云购置的,而且完成了备案,能够为所欲为的运用啦~~~~
起首,自定义一个域名指向我们的效劳器,大抵是如许滴:
轻微等一会,等 DNS 见效。然后我们接见域名:http://tongji.geekdigging.com/ ,这时候能够看到页面跳转至 Nginx 的首页:
接下来我们要设置 Nginx 的反向代办了。
起首在 /usr/local/nginx/conf/nginx.conf
这个文件的末了增添一句话:
include /etc/nginx/vhost/*.conf;
因为我们背面可能会设置许多域名,这里直接将一切的域名相干的设置文件都放在 /etc/nginx/vhost/
这个目次下,轻易治理, nginx 本身的设置文件我们不多做修正。
我们在 /etc/nginx/vhost/
建立 tongji.conf
文件,个中内容以下:
server {
listen 80;
autoindex on;
server_name tongji.geekdigging.com;
access_log off;
# access_log /usr/local/nginx/logs/fuhui_access.log combined;
error_log /usr/local/nginx/logs/fuhui_error.log error;
index index.html index.htm index.jsp index.php;
if ( $query_string ~* ".*[\;'\<\>].*" ){
return 404;
}
location / {
proxy_pass http://127.0.0.1:8080;
proxy_set_header Host $http_host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header Client-IP $remote_addr;
proxy_set_header X-Forward-For $remote_addr;
}
}
完成后重启 Nginx :
nginx -s reload
然后我们就可以经由过程域名接见本身的统计报表了,如图:
详细链接为:http://tongji.geekdigging.com/ ,感兴致的小伙伴能够本身碰运气,有不清楚的处所能够在民众号留言问我。
示例代码
本系列的一切代码小编都邑放在代码治理堆栈 Github 和 Gitee 上,轻易人人取用。
示例代码-Github
示例代码-Gitee
参考
https://yq.aliyun.com/articles/110806?spm=5176.8351553.0.0.12931991GMAstw
https://blog.csdn.net/d1240673769/article/details/81451922