日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后,達(dá)者為師

網(wǎng)站首頁 編程語言 正文

基于redis樂觀鎖實(shí)現(xiàn)并發(fā)排隊_Redis

作者:野生大蝦 ? 更新時間: 2023-01-30 編程語言

有個需求場景是這樣的,使用redis控制scrapy運(yùn)行的數(shù)量。當(dāng)系統(tǒng)的后臺設(shè)置為4時,只允許scapry啟動4個任務(wù),多余的任務(wù)則進(jìn)行排隊。

概況

最近做了一個django + scrapy + celery + redis 的爬蟲系統(tǒng),客戶購買的主機(jī)除了跑其他程序外,還要跑我開發(fā)的這套程序,所以需要手動控制scrapy的實(shí)例數(shù)量,避免過多的爬蟲給系統(tǒng)造成負(fù)擔(dān)。

流程設(shè)計

1、爬蟲任務(wù)由用戶以請求的方式發(fā)起,所有的用戶的請求統(tǒng)一進(jìn)入到celery進(jìn)行排隊;
2、任務(wù)數(shù)量控制的執(zhí)行就交給reids,經(jīng)由celery保存到redis,包含了爬蟲啟動所需要的必要信息,從redis取一條信息即可啟動一個爬蟲;
3、通過scrapyd的接口來獲取當(dāng)前在運(yùn)行的爬蟲數(shù)量,以便決定下一步流程:如果小于4,則從redis中取相應(yīng)數(shù)量的信息來啟動爬蟲,如果大于等于4,則繼續(xù)等待;
4、如果在運(yùn)行爬蟲的數(shù)量有所減少,則及時從reids中取相應(yīng)數(shù)量的信息來啟動爬蟲。

代碼實(shí)現(xiàn)

業(yè)務(wù)代碼有點(diǎn)復(fù)雜和啰嗦,此處使用偽代碼來演示

import redis

# 實(shí)例化一個redis連接池
pool = redis.ConnectionPool(host='127.0.0.1', port=6379, decode_responses=True, db=4, password='')

r = redis.Redis(connection_pool=pool)
# 爬蟲實(shí)例限制為4 即只允許4個scrapy實(shí)例在運(yùn)行
limited = 4

# 聲明redis的樂觀鎖
lock = r.Lock()

# lock.acquire中有while循環(huán),即它會線程阻塞,直到當(dāng)前線程獲得redis的lock,才會繼續(xù)往下執(zhí)行代碼
if lock.acquire():
	# 1、從reids中取一條爬蟲信息
	info = redis.get() 
	
	# 2、while循環(huán)監(jiān)聽爬蟲運(yùn)行的數(shù)量
	while True:
		req = requests.get('http://127.0.0.1:6800/daemonstatus.json').json()
		# 統(tǒng)計當(dāng)前有多少個爬蟲在運(yùn)行
		running = req.get('running') + req.get('pending')
		
		# 3、判斷是否等待還是要增加爬蟲數(shù)量
		# 3.1 如果在運(yùn)行的數(shù)量大于等于設(shè)置到量 則繼續(xù)等待
		if running >= limited:
			continue
		
		# 3.2 如果小于 則啟動爬蟲
		start_scrapy(info)
		# 3.3 將info從redis中刪除
		redis.delete(info)
		# 3.4 釋放鎖
		lock.release()
		break
		

當(dāng)前,這只是偽代碼而已,實(shí)際的業(yè)務(wù)邏輯可能是非常復(fù)雜的,如:

@shared_task
def scrapy_control(key_uuid):

    r = redis.Redis(connection_pool=pool)
    db = MysqlDB()
    speed_limited = db.fetch_config('REPTILE_SPEED')
    speed_limited = int(speed_limited[0])

    keywords_num = MysqlDB().fetch_config('SEARCH_RANDOM')
    keywords_num = int(keywords_num[0])


    # while True:
    lock = r.lock('lock')
    with open('log/celery/info.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 進(jìn)入處理環(huán)節(jié)' +  '\n')
    try:
        # acquire默認(rèn)阻塞 如果獲取不到鎖時 會一直阻塞在這個函數(shù)的while循環(huán)中
        if lock.acquire():
            with open('log/celery/info.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 獲得鎖' +  '\n')
            # 1 從redis中獲取信息
            redis_obj = json.loads(r.get(key_uuid))
            user_id = redis_obj.get('user_id')
            contents = redis_obj.get('contents')
            
            # 2 使用while循環(huán)處理核心邏輯          
            is_hold_print = True
            while True:
                req = requests.get('http://127.0.0.1:6800/daemonstatus.json').json()
                running = req.get('running') + req.get('pending')
                # 3 如果仍然有足夠的爬蟲在運(yùn)行 則hold住redis鎖,等待有空余的爬蟲位置讓出
                if running >= speed_limited:
                    if is_hold_print:
                        with open('log/celery/info.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 爬蟲在運(yùn)行,線程等待中' +  '\n')
                        is_hold_print = False
                    time.sleep(1)
                    continue
                
                # 4 有空余的爬蟲位置 則往下走
                # 4.1 處理完所有的內(nèi)容后 釋放鎖
                if len(contents) == 0:
                    r.delete(key_uuid)
                    with open('log/celery/info.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 任務(wù)已完成,從redis中刪除' +  '\n')
                    lock.release()
                    with open('log/celery/info.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 釋放鎖' +  '\n')
                    break

                # 4.2 創(chuàng)建task任務(wù)
                task_uuid = str(uuid.uuid4())
                article_obj = contents.pop()
                article_id = article_obj.get('article_id')
                article = article_obj.get('content')
                try:
                    Task.objects.create(
                        task_uuid = task_uuid,
                        user_id = user_id,
                        article_id = article_id,
                        content = article
                    )
                except Exception as e:
                    with open('log/celery/error.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + '->' + str(task_uuid) + ' 創(chuàng)建Task出錯: ' + str(e) +  '\n')
                # finally:
                # 4.3 啟動爬蟲任務(wù) 即便創(chuàng)建task失敗也會啟動
                try:
                    task_chain(user_id, article, task_uuid, keywords_num)
                except Exception as e:
                    with open('log/celery/error.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 啟動任務(wù)鏈?zhǔn)? ' + str(e) +  '\n')
                
                # 加入sleep 防止代碼執(zhí)行速度快于爬蟲啟動速度而導(dǎo)致當(dāng)前線程啟動額外的爬蟲
                time.sleep(5)

    except Exception as e:
        with open('log/celery/error.log', 'a') as f: f.write(str(datetime.datetime.now()) + '--' + str(key_uuid) + ' 獲得鎖之后的操作出錯: ' + str(e) +  '\n')
        lock.release()

小坑
scrapy啟動速度相對較慢,所以while循環(huán)中,代碼中執(zhí)行到了爬蟲的啟動,需要sleep一下再去通過scrapyd接口獲取爬蟲運(yùn)行的數(shù)量,如果立刻讀取,可能會造成誤判。

原文鏈接:https://www.cnblogs.com/mooremok/p/16961634.html

欄目分類
最近更新