pyspider dashboard 阻塞 问题

发布于 2022-09-05 01:51:21 字数 3616 浏览 9 评论 0

之前也有一次阻塞情况,问题出现的很明显,启动任务后不久 dashboard 中 processor2resullt 就开始增加到100,然后前面的几个队列也会相继增加到100,所有爬虫都会停止工作,我在 terminal 找到了exception, 递归深度超过限制.定位这个问题花了我很久时间, 代码是我直接迁移过来的,使用 bs4 作解析,定位到一行代码会导致出现上述exception, soup.find('title').string, 我没有看过 pyspider 项目源码,这算是一个坑吧,后续添加 sys.setrecursionlimit(999999) 就没再出现问题.

增加几个爬虫后,又连续两晚出现另一种阻塞的情况了,scheduler2fetcher 100, fetcher2processor 100,processor2resullt 1,重启 pyspider 才能解决,这次没找到任何 exception, 只有一些警告和错误

[E 170616 00:11:40 tornado_fetcher:212] [599] spider1:44ee8851b5bd4d49df658f37c7f60aaa http://zdb.pedaily.cn/enterprise/show4521/, HTTP 599: Operation timed out after 120001 milliseconds with 0 bytes received 120.00s
[E 170616 00:11:40 processor:202] process spider1:44ee8851b5bd4d49df658f37c7f60aaa http://zdb.pedaily.cn/enterprise/show4521/ -> [599] len:0 -> result:None fol:0 msg:0 err:Exception('no html',)
[E 170616 00:11:45 tornado_fetcher:212] [599] spider1:7f92e4cb28099cd9cb7e2de2190e0953 http://zdb.pedaily.cn/enterprise/show4515/, HTTP 599: Operation timed out after 120000 milliseconds with 0 bytes received 120.00s
[E 170616 00:11:45 processor:202] process spider1:7f92e4cb28099cd9cb7e2de2190e0953 http://zdb.pedaily.cn/enterprise/show4515/ -> [599] len:0 -> result:None fol:0 msg:0 err:Exception('no html',)
[E 170616 00:11:50 tornado_fetcher:212] [599] spider1:9a8ffbd55f823370d3d4a1902fab678e http://zdb.pedaily.cn/enterprise/show4516/, HTTP 599: Operation timed out after 120000 milliseconds with 0 bytes received 120.00s
[E 170616 00:11:50 processor:202] process spider1:9a8ffbd55f823370d3d4a1902fab678e http://zdb.pedaily.cn/enterprise/show4516/ -> [599] len:0 -> result:None fol:0 msg:0 err:Exception('no html',)
[E 170616 00:12:50 tornado_fetcher:212] [599] spider2:92ec929938cb51c2dc8d0c20cbfb0361 http://www.cyzone.cn/r/20170808/4502.html, HTTP 599: Operation timed out after 120001 milliseconds with 0 bytes received 120.00s
[E 170616 00:12:50 processor:202] process spider2:92ec929938cb51c2dc8d0c20cbfb0361 http://www.cyzone.cn/r/20170808/4502.html -> [599] len:0 -> result:None fol:0 msg:0 err:Exception('no html',)
[E 170616 00:13:04 tornado_fetcher:212] [599] spider2:479ced01278e5993ac5ed39912caf5e2 http://www.cyzone.cn/r/20170808/4498.html, HTTP 599: Operation timed out after 120000 milliseconds with 0 bytes received 120.00s
[E 170616 00:13:04 processor:202] process spider2:479ced01278e5993ac5ed39912caf5e2 http://www.cyzone.cn/r/20170808/4498.html -> [599] len:0 -> result:None fol:0 msg:0 err:Exception('no html',)
[W 170616 00:18:27 tornado_fetcher:423] [502] spider1:a3e77851e2523f442318335a11f5b3a8 http://zdb.pedaily.cn/enterprise/show4499/ 1.02s
[W 170616 00:18:37 tornado_fetcher:423] [502] spider2:8b6ee4f75a3821a92481d940378acfdd http://www.cyzone.cn/r/20170808/4363.html 5.04s

几个爬虫都是一个逻辑,生成链接,交给 pyspider ,得到数据,下面是

    @config(priority=2)
    @catch_status_code_error
    @config(age=14 * 24 * 60 * 60)
    def detail_page(self, response):

        if response.status_code in [301,302,404]:
            return

        html = response.text
        if not html or response.status_code != 200:
            raise Exception('no html')
            
        try:
            # 处理html的函数,使用 bs4 解析
            ret_dic = Parse(html)
        except Exception as e:
            raise e
            
        return ret_dic

我看这份错误日志是截止0点,之后酒再也没有报错,debug,on_start 也是24小时启动一次,我的猜想是 0点 on_start 开始工作,生成大量爬虫任务,导致意外情况出现阻塞??
result_worker 之后也没有日志, scheduler ,tornado_fetcher 继续打印一段日志后,也停止了?

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文