部署爬虫与计划运行

我们将直接从开发机进行部署。要想实现这一目标，只需将 Scrapy Deploy 页面中的代码（3）拷贝到项目中的 scrapy.cfg 文件中，替换掉默认的 [deploy] 区域即可。你会注意到我们并不需要设置密码。我们将使用第 4 章中的房产项目作为示例，使用该爬虫的原因是目标数据需要能够在网络上访问到，和第 4 章使用的情况一样。在使用它之前，需要恢复原始的 settings.py 文件，移除和 Appery.io 管道相关的引用。

$ pwd
/root/book/ch06/properties
$ ls
properties scrapy.cfg
$ cat scrapy.cfg
...

[settings]
default = properties.settings

# Project: properties
[deploy]
url = http://dash.scrapinghub.com/api/scrapyd/
username = 180128bc7a0.....50e8290dbf3b0
password =
project = 28814

为了部署爬虫，还需要使用 Scrapinghub 提供的 shub 工具。可以通过 pip install shub 安装该工具，不过我们已经在开发机中已经安装好该工具了。可以使用下述方法登录 Scrapinghub。

$ shub login
Insert your Scrapinghub API key : 180128bc7a0.....50e8290dbf3b0
Success.

我们已经将 API key 复制到 scrapy.cfg 文件中了，不过也可以通过单击 Scrapinghub 网站右上角的用户名，再单击 API Key 找到该值。无论如何，现在我们已经准备好使用 shub deploy 部署爬虫了。

$ shub deploy
Packing version 1449092838
Deploying to project "28814" in {"status": "ok", "project": 28814,
"version": "1449092838", "spiders": 1}
Run your spiders at: https://dash.scrapinghub.com/p/28814/

Scrapy 将本项目中的所有爬虫打包，并上传到 Scrapinghub 当中。可以注意到，此时产生了两个新目录和一个新文件。这些只是辅助文件，如果不需要的话，可以安全地删除它们，不过通常情况下没必要在意它们。

$ ls
build project.egg-info properties scrapy.cfgsetup.py
$ rm -rf build project.egg-info setup.py

现在，当单击 Scrapinghub 的 Spiders 区域（1）时，可以找到刚刚部署的 tomobile 爬虫，如图6.4所示。

Figure 1. 图6.4　选择爬虫

当单击它时（2），会进入到爬虫面板，如图6.5所示。该面板中包含大量信息，不过目前我们需要做的就是单击右上角的 Schedule 按钮（3），然后在弹出的对话框中再次单击 Schedule 按钮（4）。

Figure 2. 图6.5　计划爬虫运行

几秒钟之后，可以在页面中的 Running Jobs 区域看到新的一行，之后 Requests 和 Items 的数值（5）开始不断增长。

与开发时的运行速度相比，此时的运行速度可能不会降低。Scrapinghub 使用了算法预估每秒的请求数，能够让你在执行时不会被屏蔽。

让它运行一会儿，然后选择该任务的复选框（6），并单击 Stop 按钮（7）。

几秒钟之后，我们的任务将会停止，并进入 Completed Jobs 区域。要想查看已经抓取的条目，可以单击 items 链接中的数字（8）。