問題描述

1 臺 master,2 臺 slave，虛擬機(jī) ubuntu 下，配置如下：

master 的 config.json：

{ 'taskdb': 'mysql+taskdb://pyspider:pyspider-pass@192.168.209.128:3306/taskdb', 'projectdb': 'mysql+projectdb://pyspider:pyspider-pass@192.168.209.128:3306/projectdb', 'resultdb': 'mysql+resultdb://pyspider:pyspider-pass@192.168.209.128:3306/resultdb', 'message_queue': 'redis://192.168.209.128:6379/db', 'phantomjs-proxy': '192.168.209.128:25555', 'scheduler':{ 'xmlrpc-host':'0.0.0.0', 'delete-time':10}, 'webui': { 'port': 5555, 'username': '', 'password': '', 'need-auth': false}}

在主機(jī)上運(yùn)行

/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json schedule/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json webui/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json phantomjs

slave 的 config.json:

{ 'taskdb': 'mysql+taskdb://pyspider:pyspider-pass@192.168.209.128:3306/taskdb', 'projectdb': 'mysql+projectdb://pyspider:pyspider-pass@192.168.209.128:3306/projectdb', 'resultdb': 'mysql+resultdb://pyspider:pyspider-pass@192.168.209.128:3306/resultdb', 'message_queue': 'redis://192.168.209.128:6379/db', 'phantomjs-proxy': '192.168.209.128:25555', 'fetcher':{'xmlrpc-host':'192.168.209.128'}}

在兩個從機(jī)上運(yùn)行

/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json fetcher/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json processor/usr/local/bin/pyspider -c /home/pu/pyspider/conf.json result_worker

三個終端

我是先命令行運(yùn)行的，還沒有用 Supervisor 來管理進(jìn)程，想先分布式調(diào)試成功后再用這個管理進(jìn)程，命令行只是多開幾個終端而已。但是很奇怪，爬蟲程序能很順利的運(yùn)行，但是單機(jī)跑和3臺機(jī)子一起跑時間是一樣的，就差幾秒鐘而已，求解？

我看了終端輸出的信息，是 2 臺 slave 的提取的 url 是不重復(fù)的，但是時間分開的有間隔的，比如說 slave1 運(yùn)行 4 秒鐘，然后 slave2 運(yùn)行 3 秒鐘，并不是并行的而是有順序，好奇怪！難道是 schedule 那里是一個一個拿取任務(wù)，不能同時拿的嗎？

問題解答

在控制臺里控制速度。不管你是不是分布式，只要速度設(shè)置的一樣，那么用的時間就一樣。只有在硬件資源不夠用時（或是說硬件有瓶頸達(dá)不到你設(shè)置的速度時）分布式才會提現(xiàn)出跑的快。個人這么理解