分布式爬蟲架構(gòu)并不是一開始就出現(xiàn)的。而是一個(gè)逐步演化的過程。

最開始入手寫爬蟲的時(shí)候，我們一般在個(gè)人計(jì)算機(jī)上完成爬蟲的入門和開發(fā)，而在真實(shí)的生產(chǎn)環(huán)境，就不能用個(gè)人計(jì)算機(jī)來運(yùn)行爬蟲程序了，而是將爬蟲程序部署在服務(wù)器上。利用服務(wù)器不關(guān)機(jī)的特性，爬蟲可以不間斷的24小時(shí)運(yùn)行。單機(jī)爬蟲的結(jié)構(gòu)如下圖。

然而，由于爬蟲在爬取數(shù)據(jù)時(shí)，爬取頻次并不能太快，即使是爬蟲在服務(wù)器上不間斷運(yùn)行，效率可能也無法滿足實(shí)際需求。這時(shí)候，就需要在多機(jī)上部署爬蟲程序，用分布式爬蟲架構(gòu)，進(jìn)行數(shù)據(jù)爬取。分布式爬蟲的架構(gòu)一般如下所示。

采用分布式爬蟲架構(gòu)后，帶來了如下幾個(gè)好處。

• 1，爬蟲效率提高。這一點(diǎn)顯而易見，之前是單機(jī)運(yùn)行，現(xiàn)在是多機(jī)分布式運(yùn)行，效率顯著提高。
• 2，爬蟲可靠性可用性提高。之前部署在一臺(tái)服務(wù)器上，當(dāng)服務(wù)器出現(xiàn)故障或爬蟲程序出現(xiàn)故障時(shí)，爬蟲便不可用了。采用分布式爬蟲架構(gòu)后，爬蟲任務(wù)生產(chǎn)者，任務(wù)隊(duì)列，爬蟲任務(wù)消費(fèi)者都采用分布式架構(gòu)部署，其中的某些機(jī)器出現(xiàn)故障，不影響整體的可用性，系統(tǒng)可靠性大大增強(qiáng)。

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接