python分布式进程爬虫怎样模拟

小编给大家分享一下python分布式进程爬虫怎样模拟，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！

成都创新互联秉承实现全网价值营销的理念，以专业定制企业官网，网站建设、网站制作，小程序定制开发，网页设计制作，移动网站建设，全网营销推广帮助传统企业实现“互联网+”转型升级专业定制企业官网,公司注重人才、技术和管理，汇聚了一批优秀的互联网技术人才,对客户都以感恩的心态奉献自己的专业和所长。

比如我们需要抓取某个图片网站的所有图片，如果用我们的分布式进程的思想，我们会创建一个进程负责抓取图片的链接地址，然后将这些链接地址存放到Queue中，另外的进程负责从Queue中读取链接进行图片的下载或者进行其他操作（存在本地）

其实我们的Queue是暴露在网络中的，通过分布式就是将其进行了封装，其实也就是所谓的本地队列的网络化。

接下来，我们来分析一下如何去创建一个分布式的服务进程，总体可以分为六步：

1、首先我们需要建立一个队列queue，这个主要用作进程之间的通信。总体来说就是两种进程，一种是服务进程，一种是任务进程。服务进程创建任务队列task_queue，用作传递任务给任务进程的通道。服务进程又创建result_queue，作为任务进程完成任务后回复服务进程的通道。在分布式进程的环境下，我们需要通过Queuemanager 获得的Queue接口来添加任务。

2、把我们在第一步中队列在网络上进行注册，暴露给其他的进程或者主机，注册后获得网络队列，相当于本地队列的映像。

3、建立Queuemanager的对象，并且实例化，绑定端口和口令

4、启动第三步中建立的实例，即启动管理manager，监管信息通道

5、通过管理实例的方法获取到通过网络访问的queue对象，也就是把网络对象实体化成本地的一个队列。

6、创建任务到“本地”队列中，自动上传任务到网络队列中，分配给任务进程进行处理。

我们来写一下服务进程的代码 taskManager.py:

import queue
from multiprocessing.managers import BaseManager
from multiprocessing import freeze_support
# 任务个数
task_num = 500
# 定义收发队列
task_queue = queue.Queue(task_num)
result_queue = queue.Queue(task_num)
def get_task():
    return task_queue
def get_result():
    return result_queue
# 创建类似的QueueManager
class QueueManager(BaseManager):
    pass
def run():
    # Windows下绑定调用接口不能使用lambda，所以只能先定义函数再绑定
    QueueManager.register('get_task_queue', callable = get_task)
    QueueManager.register('get_result_queue', callable=get_result)
    #绑定端口并设置验证口令，windows下需要填写ip地址，Linux中不填默认为本地
    manager = QueueManager(address=('127.0.0.1', 8001), authkey='jap'.encode('utf-8'))
    # 启动
    manager.start()
    try:
        # 通过网络获取任务队列和结果队列
        task = manager.get_task_queue()
        result = manager.get_result_queue()
        # 添加任务
        for url in ["JAP君url:"+str(i) for i in range(500)]:
            print("添加任务 %s" %url)
            task.put(url)
        print("正在获取结果...")
        for i in range(500):
            print("result is %s" %result.get(timeout=10))
    except:
        print('Manager error')
    finally:
        # 一定要关闭，否则会报管道未关闭的错
        manager.shutdown()
if __name__ == '__main__':
    # windows下多进程可能会出现问题，添加这句话可以解决
    freeze_support()
    run()

看完了这篇文章，相信你对python分布式进程爬虫怎样模拟有了一定的了解，想了解更多相关知识，欢迎关注创新互联行业资讯频道，感谢各位的阅读！