閱讀準備

1. docker基礎命令，docker-compose基礎
2. pyspider基礎

如果您不熟悉上面的內容，可以先網上查閱有關資料。

1. 創建網絡接口

首先，創建一個Driver為bridge的網絡接口，命名為pyspider：
docker network create --driver bridge pyspider

• 說明1： 需要創建該網絡接口的原因是：在下面創建Docker容器的過程中，我們使用了docker和docker-compose分別創建了不同的服務。按正常來說，如果都使用docker-compose來創建服務會更好；但是這里有些特殊需求，所有就混合使用docker和docker-compose來創建服務了。

• 說明2：直接使用docker命令創建容器時，容器的默認網絡接口使用的是NAME為bridge的接口；而使用docker-compose時，默認的網絡接口使用的不是NAME 為bridge的接口，而是根據docker-compose.yml文件所在目錄命名的網絡接口。如，我的docker-compose.yml文件在目錄Pyspider下，則使用docker-compose時的默認網絡接口就是pyspider_default。所以，如果我們使用docker和docker-compose時，默認的情況下它們屬于不同的子網，網絡不互通，這不是我們想要的。dokcer和docker-compose的網絡接口都可以通過參數自定義，從而實現它們的服務的網絡互通，所有我們才自己創建一個網絡接口。

• 說明3：

  • 可以通過命令docker network ls查看已有的網絡接口，如下圖：
    
    docker網絡接口
  • 可以通過docker network inspect bridge命令查看網絡接口的詳細信息。如NAME為bridge的詳細信息如下圖：
    
    查看網絡接口信息

資料： https://docs.docker.com/engine/userguide/networking/

2. 創建Redis服務

運行命令：docker run --network=pyspider --name redis -d -p 6379:6379 redis 創建Redis服務。

• 說明1：其中，參數--network=pyspider指定使用pyspider網絡接口。我們可以使用docker inspect redis | grep IPA查看該容器的ip地址，如下圖：
  
  查看容器ip地址
  
  我們還可以通過docker logs reids查看容器redis的日志輸出，來觀察redis服務是否正常運行。

3. 創建mysql服務

運行：docker run --network pyspider -p 3306:3306 --name pymysql -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf -v /Users/andy/Pyspider/mysql/logs:/logs -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=root123 -d mysql以創建mysql服務。

• 說明：
  • 指定網絡接口--network=pyspider
  • -p 3306:3306指定端口號
  • -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf指定mysql配置文件
  • -v /Users/andy/Pyspider/mysql/logs:/logs指定日志目錄
  • -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql指定mysql的數據文件存儲目錄
  • -e MYSQL_ROOT_PASSWORD=root123指定root賬戶的密碼為root123

用docker inspect pymysql | grep IPA查看mysql容器的ip地址。

mysql容器ip地址

4. 創建pyspider的scheduler服務

運行：docker run --network=pyspider --name scheduler -d -p 23333:23333 --restart=always binux/pyspider --taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb" --resultdb "mysql+projectdb://root:root123@172.20.0.2:3306/resultdb" --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" scheduler --inqueue-limit 10000 --delete-time 3600

• 參數說明

  • --network=pyspider指定網絡接口
  • -p 23333:23333指定端口
  • root:root123@172.20.0.2:3306為mysql服務的ip地址，端口，用戶名和密碼
  • redis://172.20.0.3:6379/0為redis服務的配置。
  • 命令運行成功后，可以通過docker logs scheduler查看scheduler服務的運行情況。

• 查看scheduler的ip地址為：172.20.0.4，方便后邊使用。

• pyspider分布式部署中，scheduer服務只能創建一個。

5. 使用docker-compose創建pyspider的其它組件

配置文件docker-compose.yml的內容如下：

version: '2'
services:
  phantomjs:
    image: 'binux/pyspider:latest'
    command: phantomjs
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,23333,24444'
    expose:
      - '25555' # 暴露端口25555給link到此service的容器
    mem_limit: 256m
    restart: always

  phantomjs-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用負載均衡
    links:
      - phantomjs
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系統中)
    restart: always

  fetcher:
    image: 'binux/pyspider:latest'
    command: '--message-queue "redis://172.20.0.3:6379/0" --phantomjs-proxy "phantomjs:80" fetcher --xmlrpc' # fetcher以rpc的方式啟動
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,25555,23333'
    links:
      - 'phantomjs-lb:phantomjs'
    mem_limit: 256m
    restart: always

  fetcher-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用負載均衡
    links:
      - fetcher
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系統中)
    restart: always
    
  processor:
    image: 'binux/pyspider:latest'
    command: '--projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" processor'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
 
  result-worker:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" result_worker'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
    
  webui:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" webui --max-rate 0.3 --max-burst 3 --scheduler-rpc "http://172.20.0.4:23333/" --fetcher-rpc "http://fetcher/"'
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=24444,25555,23333'
    ports:
      - '5000:5000' # webui的對外的端口為5000，可以通過http://localhost:5000訪問webui服務。
    links:
      - 'fetcher-lb:fetcher' # link到其它負載均衡haproxy的服務。
    mem_limit: 256m
    restart: always

networks:
  default:
    external:
      name: pyspider #指定docker-compose的網絡接口為：pyspider；實現和docker run方式創建容器的互通。

• webui服務說明
  • --fetcher-rpc "http://fetcher/"是以服務名的方式指定webui鏈接到的fetcher服務，因為fetcher實例可以有很多個，我們如果用ip指定就不能起到負載均衡的目的了。
  • --scheduler-rpc "http://172.20.0.4:23333/"是webui直接用ip和port的方式鏈接到scheduler服務，因為scheduler只有一個。
  • command的其它參數可以參考pyspider的文檔：http://docs.pyspider.org/en/latest/
• haproxy的文檔：https://github.com/docker/dockercloud-haproxy
• docker-compose的文檔：https://docs.docker.com/compose/

docker-compose.yml文件寫好后，運行docker-compose up（要在docker-compose.yml所在目錄）命令，docker-compose開始創建容器服務，如下圖：

docker-compose up

所有組件服務創建完成后，訪問：http://localhost:5000，即可看到webui界面。

如果想創建更多的fetcher, result_work, phantomjs容器實例，可以使用：docker-compose scale phantomjs=2 processor=4 result-worker=2。docker-compose會自動幫你創建2個phantomjs服務，4個processor服務，2個result-worker服務；haproxy會自動實現負載均衡，如下圖：

docker-compose scale

最后說明

1. redis, mysql, scheudler服務的ip地址需要根據您的容器的ip具體而定。
2. 我所使用的系統為MAC，dokcer版本為：Version 17.06.0-ce-mac19 (18663)