一个 24 小时运行的,抓取一些体育比赛数据的爬虫,用 RABBITMQ 好还是 KAFKA 好

2018-11-29 16:29:02 +08:00
 jakeyfly

作为中间管道连接爬虫与清洗模块。 不同的数据会由不同的清洗模块处理后存入 SQL。

估计抓个一年也就不到 2G 的数据。但爬虫的请求数据次数还是比较多的,一分钟可能有个几百次吧(这样往管道里塞的数据也是几百次吧)

这样的规模,为了能持续运行,应该是要选个可以持久化的管道吧

KAFKA 与 RABBITMQ 那个适合呢

1949 次点击
所在节点    问与答
2 条回复
roricon
2018-11-29 16:39:50 +08:00
RabbitMQ 足够,完全没必要上 Kafka。但如果寻求便宜且稳定的服务,其实买各种云的消息服务我觉得是比较好的方案。AWS 和腾讯云的消息队列服务都有每月的免费额度,超过免费额度价格也不贵。

Kafka 对硬件(主要是内存)要求很高,即使是很低的负载也很难稳定的运行在低端的 VPS 上。而且还要搞 zookeeper,上手维护的学习成本还挺高的。
RabbitMQ 对于这样的负载肯定是足够了,而且管理工具什么的也比 Kafka 生态的工具对用户友好一些。
jakeyfly
2018-11-29 16:45:58 +08:00
@roricon 谢谢大佬 我这就试试

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/512771

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX