这是一个创建于 2424 天前的主题，其中的信息可能已经有所发展或是发生改变。
Celery 我有去看了下 好像跟我想的不一样 是个爬虫应用 我的想法简单描述是这样： 比如考试吧，老师是分发考卷的(往队列里 比如 redis 里 塞考卷)， 班级就像一个队列，学生们都去班上拿考卷做题目（处理从队列中取数据处理）----做完了题目要交卷（存入数据库或用 orm 操作）
以上描述有点乱，因为我自己本来想实现的，主要因为主流的 scrapy 不适合这个项目，自己去写了后发现，我这样的菜 B，根本完在不了。就想问问有没有什么现成的库包，可以解决这个流程问题。
中间在处理上上的细节，先不考虑(并发多线程之类感觉不是主要问题，增量可能是个问题。)
其实我说的好像就是生产者，消费者模型，但是我总是搞不清楚这个流程
 |
1
bazingaterry 2018-03-30 01:20:56 +08:00 via iPhone
消息隊列？
|
 |
2
congeec 2018-03-30 01:23:05 +08:00 via iPhone
FIFO， 来，楼下随手写一个
|
 |
3
1iuh 2018-03-30 01:38:29 +08:00
celery 就是做这个的呀。。
|
 |
4
jakeyfly OP @bazingaterry 是吧 最好是基于 redis 的 能保存状态的
|
 |
7
laxenade 2018-03-30 01:57:57 +08:00 via Android
自带的 Multiprocessing 感觉就符合 lz 的要求
|
 |
9
wellsc 2018-03-30 02:11:14 +08:00
rq
|
 |
10
binux 2018-03-30 02:19:41 +08:00
Celery 和你想的是一样的，至少可以实现你想的。
|
 |
11
ericls 2018-03-30 02:19:55 +08:00
celery
|
 |
15
Trim21 2018-03-30 02:31:32 +08:00 via Android
|
|
20
laxenade 2018-03-30 07:09:06 +08:00
@jakeyfly #8 你想分布的话用 multiprocessing 就不行了，但如果只是一台机子的话，multiprocessing 完全够了。
|
 |
21
fiht 2018-03-30 08:23:20 +08:00
伪需求。
重一点的 celery，轻一点的 rq。 再轻一点的 自己用 redis push 和 pop。 这些都不合适说明你的问题不是这个消息队列的问题。 另： #17 有没有办法控制间隔和速度，这个应该是你爬虫代码（消费者应该要考虑的事情），解决办法很多，例如抓完一个之后 sleep 一段时间，或者将抓取失败时随机等待一段时间，或者抓取失败的丢入一个需要重新抓取的任务队列。 |
|
22
jakeyfly OP @fiht 可能我没说明白 不好意思哈 我换种说法，比如 我监控 1000 个页面，我 20 分钟扫描一次这一千个页面，任务发布需要从另一个地方提取数据构造这一千个 URL，压进队列里，我想控制的是这一千个 URL 之间的频率，比如扫 20 个休息 10 秒，这 20 个是并发多线程 ，我现在是用 futues 弄的 设置 20 个线程 他就是同时爬 20 个 但是是连续的。我怕我的代理池顶不住，就想控制其频率。而且这样完全自己写，发布任务的轮询实现的也不理想。就想有没有成熟的包或框架可以用。（其间还要根据每个 URL 的壮态，判定是不是剔除出来，不再发布这个任务）
|
 |
23
tabris17 2018-03-30 09:44:27 +08:00
单机的话用命名管道就可以了
|
 |
24
Kilerd 2018-03-30 10:09:48 +08:00
其实就是 任务队列而已啊。
|
 |
25
locktionc 2018-03-30 10:21:51 +08:00
Redis 有一个发布订阅功能，你可以看看。
更高级的有 Kafka，你也可以看看。 |
 |
28
NingAnMe 2018-03-30 12:23:15 +08:00
扫 20 个休息 10 秒
不想用 scrapy，就自己写一层逻辑控制一下 最简单的办法还是用 scrapy，你需要的功能都有，想怎么控制怎么控制。 可以学一下，多一点学习时间，就减一点开发时间。 |
Select Language