如何使用scrapy-redis做简单的分布式，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
每次项目重新启动的时候不可能再去把相同的内容重新采集一次，所以增量爬取很重要
使用分布式scrapy-redis可以实现去重与增量爬取。因为这个库可以通过redis实现去重与增量爬取，爬虫停止以后下次运行会接着上次结束的节点继续运行.
缺点是，Scrapy-Redis调度的任务是Request对象，里面信息量比较大（不仅包含url，还有callback函数、headers等信息），可能导致的结果就是会降低爬虫速度、而且会占用Redis大量的存储空间，所以如果要保证效率，那么就需要一定硬件水平。
总结一下：
1. Scrapy-Reids 就是将Scrapy原本在内存中处理的 调度(就是一个队列Queue)、去重、这两个操作通过Redis来实现
多个Scrapy在采集同一个站点时会使用相同的redis key（可以理解为队列）添加Request 获取Request 去重Request，这样所有的spider不会进行重复采集。效率自然就嗖嗖的上去了。
3. Redis是原子性的，好处不言而喻(一个Request要么被处理 要么没被处理，不存在第三可能)
建议大家去看看崔大大的博客，干货很多。
然后就是安装redis了，
安装redis自行百度网上全是，或者点这里https://blog.csdn.net/zhao_5352269/article/details/86300221
第二步就是setting.py 的配置
master的配置没密码的话去掉：后的
| # 配置scrapy-redis实现简单的分布式爬取 |
| SCHEDULER = "scrapy_redis.scheduler.Scheduler" |
| DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter" |
| REDIS_URL = 'redis://root:123456@192.168.114.130:6379' |
Slave的配置
| # 配置scrapy-redis实现简单的分布式爬取 |
| SCHEDULER = "scrapy_redis.scheduler.Scheduler" |
| DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter" |
| REDIS_HOST = '192.168.114.130' |
| REDIS_PORT = 6379 |
| REDIS_PARAMS = { |
| 'password': '123456', |
| } |
安装scrapy-redis
pip3 install scrapy-reids
安装完之后就可以实现简单的分布式，两个可以随意启动。
看完上述内容，你们掌握如何使用scrapy-redis做简单的分布式的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
