文档章节

在Ubuntu 12.04中配置分布式爬虫框架——Cola

鄂世嘉
 鄂世嘉
发布于 2013/07/01 14:20
字数 451
阅读 477
收藏 7

Cola是一个用Python编写的分布式爬虫框架,其目的是为了方便分布式的部署,目前虽仍有很多不完善的地方,但仍然值得对其进行一番探索。本文将对Cola的运行环境配置进行一番较为详细的介绍。在配置之前,请保证系统已经有正常的编译工具(gcc, make, autoconf, etc.)。另外,可能需要先安装python-dev:

sudo apt-get install python-dev

1 安装MongoDB

Cola所采用的数据库为文档型数据库MongoDB,因此首先需要配置MongoDB,这里给出一种较为方便的部署方法。

MongoDB是由10gen公司来负责维护开发的。首先给apt包管理添加10gen资源库:

 

sudo apt-key adv --keyserver keyserver.ubuntu.com --recv 7F0CEB10

echo 'deb http://downloads-distro.mongodb.org/repo/ubuntu-upstart dist 10gen' | sudo tee /etc/apt/sources.list.d/10gen.list

sudo apt-get update

经过以上几步之后,就可以安装最新稳定版本的MongoDB:

sudo apt-get install mongodb-10gen

安装完毕后,会自动启动MongoDB服务。

2 安装PIP

PIP是一个Python的包管理工具。因为Cola依赖很多的Python库,为了方便后期的安装,我们需要先配置好PIP。PIP本身依赖于setuptools,因此在安装PIP前,需要先安装setuptools,具体的方法如下:

wget https://bitbucket.org/pypa/setuptools/raw/0.7.5/ez_setup.py -O - | sudo python
sudo apt-get install curl
curl -O https://raw.github.com/pypa/pip/master/contrib/get-pip.py
sudo python get-pip.py

3 配置Cola所依赖的库

sudo apt-get install libyaml-dev
sudo pip install pyyaml
sudo pip install mechanize
sudo pip install python-dateutil
sudo pip install BeautifulSoup4
sudo pip install mongoengine
sudo easy_install rsa
git clone https://github.com/chineking/cola.git

在最后一个命令中,我们获取Cola的源代码,之后就可以单机模式或分布式模式来运行了,具体可以参见:https://github.com/chineking/cola/wiki

© 著作权归作者所有

共有 人打赏支持
鄂世嘉

鄂世嘉

粉丝 17
博文 13
码字总数 12997
作品 0
嘉定
Java 开源博客 —— Solo 0.6.8 正式版发布了!

Java 开源博客 —— Solo 0.6.8 正式版发布了,欢迎大家下载。另外,欢迎观摩我们的另一个产品,在线 Golang IDE——Wide! 特性 基于标签的文章分类 博客/标签 Atom/RSS、Sitemap 输出 评论...

88250
2015/03/25
8.2K
23
Python代理IP池--proxy_pool

爬虫代理IP池 1、问题 代理IP从何而来?   刚自学爬虫的时候没有代理IP就去西刺、快代理之类有免费代理的网站去爬,还是有个别代理能用。当然,如果你有更好的代理接口也可以自己接入。  ...

j_hao104
2017/03/31
1K
2
Infinispan 9.0.0 CR2 发布,分布式集群缓存系统

nfinispan 9.0.0.CR2 发布了,Infinispan 9.0 代号为" Ruppaner。此版本除了一些错误修复外,还有以下亮点: 依赖关系升级、更新: JGroups 4.0.0.Final Apache Lucene 5.5.4 Hibernate Searc...

王练
2017/02/27
556
0
分布式爬虫框架--Cola

Cola是一个分布式的爬虫框架,用户只需编写几个特定的函数,而无需关注分布式运行的细节。任务会自动分配到多台机器上,整个过程对用户是透明的。 依赖 首先,确保Python版本为2.6或者2.7(未...

BigZ
2014/07/18
5.6K
0
Infinispan 8.0.0.Beta2 发布,数据网格平台

Infinispan 8.0.0.Beta2 发布,此版本主要是大量的改进和 bug 修复: 分布式流支持 (ISPN-5293) - 基于 DSL 的分组和聚合查询 (ISPN-5416). Log4J 2.x 支持 服务器基于 WildFly 9 为将要到来...

叶秀兰
2015/07/26
314
1

没有更多内容

加载失败,请刷新页面

加载更多

下一页

Zookeeper总结

Zookeeper的部分概念 什么是zookeeeper? Zookeeper是一个分布式服务的协调中心 zookeeper节点的角色类型? Leader(领导者)、Follower(跟随者)、Observer(观察者) Leader 负责更新系统...

DemonsI
6分钟前
0
0
Redis学习笔记

常用命令 从Docker进入Redis的命令 sudo docker exec -it redis /bin/bash

OSC_fly
7分钟前
0
0
SqlServer查询某个日期的数据

select * from View_ZJMONITORINGCORROSION where ENTERDATE > CONVERT(datetime,DATEADD(day,1,'2017/12/28 14:53:07'))...

笑丶笑
8分钟前
0
0
常用编码规范

Standard characters https://ascii.cl/

yeahlife
10分钟前
0
0
flannel实战

docker swarm mode的出现是个里程碑,官方原生的编排调度看起来都成雏形了,但是swarm mode和容器外部系统的对接、网络性能始终不尽人意,swarm mode下各种开源周边不能使用,感觉swarm mod...

China_OS
12分钟前
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部