- 比scrapy更灵活,比celery更容易上手的分布式爬虫框架。用最少的代码,用最简单的方式,做最多的事情
- 1分钟内能熟练运用该框架爬取数据,无需学习复杂文档.轻松扩展各种中间件
特色说明：
支持多中间件：
支持reids kafka sqlite memory 四种中间件(首推redis,支持批量发布任务,分布式消费快如闪电)
并发支持：
支持process threading gevent三种并发消费模式(可混合使用)
控频限流：
精确控制1秒钟运行多少次函数
任务去重：
如果重复推送消费成功的任务,自动过滤掉该任务
消费确认：
启用消费确认,消费任务宕机手动终止情况,任务不会丢失
重试次数：
当函数运行出错，会立即重试指定的次数，达到最大次重试数后任务会进入死信队列
任务过期机制：
如果设定某个任务过期时间,任务超过设定过期时间还未消费,则会自动丢弃该任务
死信队列任务重新消费
进入死信队列任务支持手动重入队列重新消费
pip install leekfrom leek import TaskPublisher, TaskConsumer
for zz in range(1, 11):
TaskPublisher(queue_name='test1').pub(a=zz, b=zz)
def print_msg_dict(a, b):
print(f"t_demo1:{a},{b}")
TaskConsumer(queue_name='test1', consuming_function=print_msg_dict).start()from leek import get_consumer
def f(a, b):
print(f"a:{a},b:{b}")
print(f.meta)
consumer = get_consumer('test12', consuming_function=f, process_num=3, ack=True, task_expires=10, batch_id='2021042401')
for i in range(1, 200):
consumer.task_publisher.pub(a=i, b=i)
consumer.start()get_consumer(queue_name='test11', consuming_function=f, process_num=2, threads_num=30, max_retry_times=5, qps=10, task_expires=60, batch_id='test_v1.0')
:param queue_name: 队列名称
:param consuming_function: 队列消息取出来后执行的方法
:param process_num: 启动进程数量(默认值:1)
:param threads_num: 启动线程数(默认值:8)
:param max_retry_times: 错误重试次数(默认值:3)
:param qps: 每秒限制消费任务数量(默认50)
:param middleware: 消费中间件,默认redis 支持sqlite ,kafka, memory
:param customer_type: 消费者类型 string 支持('thread','gevent') 默认thread
:param fliter_rep: 消费任务是否去重 bool True:去重 False:不去重
:param max_push_size : 每次批量推送任务数量 默认值50
:param ack : 是否需要确认消费 默认值True
:param task_expires : 任务过期时间 单位/秒
:param batch_id : 批次id
:param re_queue_exception : 需要重入队列的异常
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent