爬虫管理平台Crawlab v0.3.0发布(Golang版本)

举报
Marvin Zhang 发表于 2020/11/29 16:29:13 2020/11/29
【摘要】 基于Golang的分布式爬虫管理平台,支持Python、NodeJS、Java、Go、PHP等多种编程语言以及多种爬虫框架。项目自今年三月份上线以来受到爬虫爱好者们和开发者们的好评,不少使用者还表示会用Crawlab搭建公司的爬虫平台。经过近数月的迭代,我们陆续上线了定时任务、数据分析、网站信息、可配置爬虫、自动提取字段、下载结果、上传爬虫等功能,将Crawlab打造得更加实用,更加全面,能...

基于Golang的分布式爬虫管理平台,支持Python、NodeJS、Java、Go、PHP等多种编程语言以及多种爬虫框架。

项目自今年三月份上线以来受到爬虫爱好者们和开发者们的好评,不少使用者还表示会用Crawlab搭建公司的爬虫平台。经过近数月的迭代,我们陆续上线了定时任务、数据分析、网站信息、可配置爬虫、自动提取字段、下载结果、上传爬虫等功能,将Crawlab打造得更加实用,更加全面,能够真正帮助用户解决爬虫管理困难的问题。

Crawlab主要解决的是大量爬虫管理困难的问题,例如需要监控上百个网站的参杂scrapyselenium的项目不容易做到同时管理,而且命令行管理的成本非常高,还容易出错。Crawlab支持任何语言和任何框架,配合任务调度、任务监控,很容易做到对成规模的爬虫项目进行有效监控管理。

更新内容

本次v0.3.0版本是一次重大更新,主要是将原来基于Celery的Python版本后台用Golang替代了。更新内容如下:

  • Golang后端: 将原先的Python代码由Golang重构,提高了稳定性和性能
  • 节点拓扑图: 将节点拓扑结构可视化了
  • 节点系统信息: 可以看到节点的系统信息,例如操作系统、CPU数量,执行文件等等
  • 节点监控升级: 节点通过Redis来注册监控
  • 文件管理: 能够修改爬虫文件,并且提供代码高亮
  • 登录/注册/用户管理: 要求用户登录使用Crawlab,允许用户注册和用户管理,加入了基于角色的权限管理
  • 自动爬虫部署: 爬虫被自动同步/部署到所有在线节点
  • 更小的Docker镜像: 通过多阶段构建,将原先的Docker镜像大小从1.3G瘦身到700M

为什么会重构Crawlab

用Golang重构的初衷是为了解决一些根本性的bug,例如定时任务无法稳定触发,节点不会自动显示为离线,等等。重构后的API会更加稳定,更加高性能,以前任务列表响应大概在几百毫秒,而现在仅仅需要几毫秒。此外,本次重构优化了用户使用流程,例如之前需要手动部署爬虫,需要用户点击很多次才能运行爬虫;而现在,所有爬虫都是自动部署,代价是用户上传爬虫之后需要等待不到1分钟的时间,待爬虫文件通过GridFS部署到所有节点之后,才可以运行(当然,主节点是可以直接运行的)。本次重构还加入了一些附加功能,例如用户权限的功能(提供了基础的权限管理)、节点拓扑图、文件管理等等。总的来说,本次更新将Crawlab打造得更加稳定和实用。

Crawlab截屏预览

登录

首页

节点列表

节点拓扑图

爬虫列表

爬虫概览

爬虫分析

爬虫文件

任务详情 - 抓取结果

定时任务

为什么没有可配置爬虫

很遗憾,由于时间紧张,没有将可配置爬虫移植到新版Crawlab上。但是我们后面会将该功能加入进来。

接下来的计划

  • [ ] 日志管理,更加中心化的日志管理
  • [ ] 其他SQL数据库支持,支持储存结果为MySQL、Postgres等主流数据库
  • [ ] 可配置爬虫
  • [ ] 异常监控,日志错误异常,零值异常等
  • [ ] 统计数据可视化,更多图表功能

不过,如果您有更好的idea,欢迎随时提需求。

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200