数据爬虫技术实例：大快在线爬虫安装教程

在线爬虫是大快大数据一体化开发框架的重要组成部分，本篇重点分享在线爬虫的安装。

爬虫安装前准备工作：大快大数据平台安装完成、zookeeper、redis、elasticsearch、mysql等组件安装启动成功。

1、修改爬虫安装配置文件(最好在线下修改好后再上传平台)

 

 

2、修改crawler/dkcrw/jdbc.properties配置文件(只修改图片里的内容其他内容默认即可)

 

Hbase.zookeeper.quorum所填地址应在DKM监控平台查看：

 

Redis相关配置看如下界面：

 

3、把已修改的crawler/dkcrw/下的jdbc.properties配置文件替换到/crawler/dkcrw-tomcat-7.0.56/webapps/ROOT/WEB-INF/classes下(这下面有一个没有改好的直接替换)

 

修改好后把修改好的爬虫文件打压成压缩文件

4、上传平台主节点并解压(这里就不介绍怎么上传了的了,本次例子是上传到root目录下,安装包上传到任何目录下都可以推选root目录)

 

 

unzip 解压命令,解压唱功后会多了一个  cuawler  的文件夹

 

使用cd  crawler  命令进入  crawler 文件夹下

 

使用mysql -uroot -p123456 < numysql.sql 命令添加numysql.sql数据库

 

5、分发爬虫文件

 

每个节点都需要有dkcrw文件, dkcrw-tomcat-7.0.56文件只能放在一个节点上,不能放在主节点上(推选放在从节点)

命令:

scp -r  {要分发的文件名可填写多个,如果不在要分发文件的目录下请添加路径}  {分发到的服务器ip或名称:分发到的路径}

例如:

cd /opt/dkh

scp -r dkcrw dk2:/opt/dkh/

scp -r dkcrw dkcrw-tomcat-7.0.56/ dk2:/opt/dkh/

 

6、在分发了dkcrw-tomcat-7.0.56文件的节点上给文件添加权限

命令:

chmod -R 755 {需要给权限的文件等}

例如:

cd /opt/dkh

chmod -R 755 dkcrw dkcrw-tomcat-7.0.56/

 

7、启动爬虫界面

命令:

cd /opt/dkh/dkcrw-tomcat-7.0.56/bin/

./startup.sh

 

启动界面之后再浏览器中输入启动界面节点的IP,来打开爬虫界面看是否启动成功(账号密码是默认的)

 

 

8、启动每个节点的dkcrw.jar

命令:

主节点运行

cd /opt/dkh/dkcrw/

nohup java -jar dkcrw.jar master > dkcrw.log 2>&1 &

 

从节点运行

cd /opt/dkh/dkcrw/

nohup java -jar dkcrw.jar slave > dkcrw.log 2>&1 &

 

注意：可以先使用前台启动爬虫，确定爬虫没错误。

前台启动命令java -jar dkcrw.jar master/slave