多用户的爬虫服务，如何分配资源，确保每个用户的任务都能执行？

[callmejoejoe]

想用 Scrapy 做一个爬虫服务帮用户爬取数据，比如有 50 个用户，每个用户都同时创建了爬取任务，如何分配资源，确保每个用户的任务都能执行？ 问了一下 ChatGPT ，但好像没有解决我的疑问。所以来请教一下，感激不尽！

[dragonfsky1]

如果资源不足，让一个用户不满意好过让 50 个用户都不满意

[knightdf]

你这是牢饭管饱？

[wbrobot]

免费的不满意才会转成收费用户。。

[xinmans]

用 scrapyd 调度下即可，可以用 docker 来部署，或者直接 crontab 搞 50 个并发执行

[em70]

先把任务分解到最小单位,做一个爬虫池,顺序执行用户提交的任务队列里的任务,正在爬取就把任务状态改为正在处理,其他线程跳过正在处理任务,找一个未处理的执行,处理完继续下一个任务

[jettzhang]

遇到同样问题，求一个答案

[sumi177]

docker

[Livid]

https://python-rq.org/

[sdsaaeee]

python 协程，不要用 Scrapy 框架。这里面主要阻塞的就是 io 问题

[persistencehoo]

我会在这几方面着手：
1. Scrapy 做一个爬虫服务 - 只做采集
2. 任务推送系统(考虑 Scrapy 采集的并发量), 小批量推送数据采集，监听任务状态时未完成的
3. 处理采集数据，(改变任务状态，为已完成)

[PiersSoCool]

queue 就能解决吧，找个 rabbitmq 直接投递消费就好了

[PiersSoCool]

不行就参考操作系统关于进程资源调度的算法，找一个就行，一般也够了