用Splash做頁(yè)面抓取時(shí)，如果爬取的量非常大，任務(wù)非常多，用一個(gè)Splash服務(wù)來處理的話，未免壓力太大了，此時(shí)可以考慮搭建一個(gè)負(fù)載均衡器來把壓力分散到各個(gè)服務(wù)器上。這相當(dāng)于多臺(tái)機(jī)器多個(gè)服務(wù)共同參與任務(wù)的處理，可以減小單個(gè)Splash服務(wù)的壓力。

1. 配置Splash服務(wù)

要搭建Splash負(fù)載均衡，首先要有多個(gè)Splash服務(wù)。假如這里在4臺(tái)遠(yuǎn)程主機(jī)的8050端口上都開啟了Splash服務(wù)，它們的服務(wù)地址分別為41.159.27.223:8050、41.159.27.221:8050、41.159.27.9:8050和41.159.117.119:8050，這4個(gè)服務(wù)完全一致，都是通過Docker的Splash鏡像開啟的。訪問其中任何一個(gè)服務(wù)時(shí)，都可以使用Splash服務(wù)。

2. 配置負(fù)載均衡

接下來，可以選用任意一臺(tái)帶有公網(wǎng)IP的主機(jī)來配置負(fù)載均衡。首先，在這臺(tái)主機(jī)上裝好Nginx，然后修改Nginx的配置文件nginx.conf，添加如下內(nèi)容：

http {
    upstream splash {
        least_conn;
        server 41.159.27.223:8050;
        server 41.159.27.221:8050;
        server 41.159.27.9:8050;
        server 41.159.117.119:8050;
    }
    server {
        listen 8050;
        location / {
            proxy_pass http://splash;
        }
    }
}

這樣我們通過upstream字段定義了一個(gè)名字叫作splash的服務(wù)集群配置。其中l(wèi)east_conn代表最少鏈接負(fù)載均衡，它適合處理請(qǐng)求處理時(shí)間長(zhǎng)短不一造成服務(wù)器過載的情況。

當(dāng)然，我們也可以不指定配置，具體如下：

upstream splash {
    server 41.159.27.223:8050;
    server 41.159.27.221:8050;
    server 41.159.27.9:8050;
    server 41.159.117.119:8050;
}

這樣默認(rèn)以輪詢策略實(shí)現(xiàn)負(fù)載均衡，每個(gè)服務(wù)器的壓力相同。此策略適合服務(wù)器配置相當(dāng)、無狀態(tài)且短平快的服務(wù)使用。

另外，我們還可以指定權(quán)重，配置如下：

upstream splash {
    server 41.159.27.223:8050 weight=4;
    server 41.159.27.221:8050 weight=2;
    server 41.159.27.9:8050 weight=2;
    server 41.159.117.119:8050 weight=1;
}

這里weight參數(shù)指定各個(gè)服務(wù)的權(quán)重，權(quán)重越高，分配到處理的請(qǐng)求越多。假如不同的服務(wù)器配置差別比較大的話，可以使用此種配置。

最后，還有一種IP散列負(fù)載均衡，配置如下：

upstream splash {
    ip_hash;
    server 41.159.27.223:8050;
    server 41.159.27.221:8050;
    server 41.159.27.9:8050;
    server 41.159.117.119:8050;
}

服務(wù)器根據(jù)請(qǐng)求客戶端的IP地址進(jìn)行散列計(jì)算，確保使用同一個(gè)服務(wù)器響應(yīng)請(qǐng)求，這種策略適合有狀態(tài)的服務(wù)，比如用戶登錄后訪問某個(gè)頁(yè)面的情形。對(duì)于Splash來說，不需要應(yīng)用此設(shè)置。

我們可以根據(jù)不同的情形選用不同的配置，配置完成后重啟一下Nginx服務(wù)：

sudo nginx -s reload

這樣直接訪問Nginx所在服務(wù)器的8050端口，即可實(shí)現(xiàn)負(fù)載均衡了。

3. 配置認(rèn)證

現(xiàn)在Splash是可以公開訪問的，如果不想讓其公開訪問，還可以配置認(rèn)證，這仍然借助于Nginx。可以在server的location字段中添加auth_basic和auth_basic_user_file字段，具體配置如下：

http {
    upstream splash {
        least_conn;
        server 41.159.27.223:8050;
        server 41.159.27.221:8050;
        server 41.159.27.9:8050;
        server 41.159.117.119:8050;
    }
    server {
        listen 8050;
        location / {
            proxy_pass http://splash;
            auth_basic "Restricted";
            auth_basic_user_file /etc/nginx/conf.d/.htpasswd;
        }
    }
}

這里使用的用戶名和密碼配置放置在/etc/nginx/conf.d目錄下，我們需要使用htpasswd命令創(chuàng)建。例如，創(chuàng)建一個(gè)用戶名為admin的文件，相關(guān)命令如下：

htpasswd -c .htpasswd admin

接下來就會(huì)提示我們輸入密碼，輸入兩次之后，就會(huì)生成密碼文件，其內(nèi)容如下：

cat .htpasswd 
admin:5ZBxQr0rCqwbc

配置完成后，重啟一下Nginx服務(wù)：

sudo nginx -s reload

這樣訪問認(rèn)證就成功配置好了。

4. 測(cè)試

最后，我們可以用代碼來測(cè)試一下負(fù)載均衡的配置，看看到底是不是每次請(qǐng)求會(huì)切換IP。利用http://httpbin.org/get測(cè)試即可，實(shí)現(xiàn)代碼如下：

import requests
from urllib.parse import quote
import re
lua = '''
function main(splash, args)
  local treat = require("treat")
  local response = splash:http_get("http://httpbin.org/get")
  return treat.as_string(response.body)
end
'''
url = 'http://splash:8050/execute?lua_source=' + quote(lua)
response = requests.get(url, auth=('admin', 'admin'))
ip = re.search('(\d+\.\d+\.\d+\.\d+)', response.text).group(1)
print(ip)

這里URL中的splash字符串請(qǐng)自行替換成自己的Nginx服務(wù)器IP。這里我修改了Hosts，設(shè)置了splash為Nginx服務(wù)器IP。

多次運(yùn)行代碼之后，可以發(fā)現(xiàn)每次請(qǐng)求的IP都會(huì)變化，比如第一次的結(jié)果：

41.159.27.223

第二次的結(jié)果：

41.159.27.9

這就說明負(fù)載均衡已經(jīng)成功實(shí)現(xiàn)了。

本節(jié)中，我們成功實(shí)現(xiàn)了負(fù)載均衡的配置。配置負(fù)載均衡后，可以多個(gè)Splash服務(wù)共同合作，減輕單個(gè)服務(wù)的負(fù)載，這還是比較有用的。

到此這篇關(guān)于Python3爬蟲里關(guān)于Splash負(fù)載均衡配置詳解的文章就介紹到這了,更多相關(guān)Python3 Splash負(fù)載均衡配置內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論