我現(xiàn)在有一個這樣的需求:有一個爬蟲函數(shù)是用Python寫的,剛好現(xiàn)在有一個網(wǎng)站也是用Python的Tornado寫的。我想實(shí)現(xiàn)在Tornado接收到一個新增任務(wù)的請求之后,自動將這個請求放入任務(wù)隊(duì)列,然后爬蟲函數(shù)自動從任務(wù)隊(duì)列中取出數(shù)據(jù)來。
由于網(wǎng)站規(guī)模并不大,為了部署方便不想使用redis或者其他消息隊(duì)列服務(wù),如何讓爬蟲函數(shù)和Tornado寫的web程序能夠相互通信呢?
我現(xiàn)在的思路是建立一個main.py文件,然后先用queue模塊創(chuàng)建一個隊(duì)列,然后用threading庫同時啟動n個爬蟲函數(shù)的線程從queue中取數(shù)據(jù),然后Toronto的handler里面再往queue中put數(shù)據(jù),但是用代碼實(shí)現(xiàn)就會出現(xiàn)包循環(huán)引用導(dǎo)致報錯的現(xiàn)象。有什么辦法能夠讓兩個模塊共享一個線程安全的數(shù)據(jù)結(jié)構(gòu)呢?
用數(shù)據(jù)庫恐怕還是最好的方式
因?yàn)?br>1、要考慮任務(wù)修改,增加,中斷, 放內(nèi)存馬上涉及到持久化的問題,自己解決不如用數(shù)據(jù)庫。
2、哪些爬過了,哪些沒有,什么時間爬出的,多久需要重爬一次,爬過的數(shù)據(jù)如何篩選處理,數(shù)據(jù)庫都能輕而易舉地實(shí)現(xiàn)
3、并發(fā)、擴(kuò)展、備份數(shù)據(jù)都有現(xiàn)成的方案
建議參考一下pyspider的設(shè)計,題主提的功能對pyspider來說都是現(xiàn)成,重新寫代碼的必要性是不是要考慮一下呢?
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
達(dá)內(nèi)教育集團(tuán)成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機(jī)構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
北大課工場是北京大學(xué)校辦產(chǎn)業(yè)為響應(yīng)國家深化產(chǎn)教融合/校企合作的政策,積極推進(jìn)“中國制造2025”,實(shí)現(xiàn)中華民族偉大復(fù)興的升級產(chǎn)業(yè)鏈。利用北京大學(xué)優(yōu)質(zhì)教育資源及背
博為峰,中國職業(yè)人才培訓(xùn)領(lǐng)域的先行者
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項(xiàng)目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍(lán)懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負(fù)責(zé)iOS教學(xué)及管理工作。
浪潮集團(tuán)項(xiàng)目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗(yàn),技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點(diǎn)難點(diǎn)突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗(yàn)。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。