scrapy爬取效率提升配置
2024-09-07 16:10:14
增加并发:
默认scrapy开启的并发线程为32个,可以适当进行增加。在settings配置文件中修改CONCURRENT_REQUESTS = 100值为100,并发设置成了为100。降低日志级别:
在运行scrapy时,会有大量日志信息的输出,为了减少CPU的使用率。可以设置log输出信息为INFO或者ERROR即可。在配置文件中编写:LOG_LEVEL = ‘INFO’禁止cookie:
如果不是真的需要cookie,则在scrapy爬取数据时可以禁止cookie从而减少CPU的使用率,提升爬取效率。在配置文件中编写:COOKIES_ENABLED = False禁止重试:
对失败的HTTP进行重新请求(重试)会减慢爬取速度,因此可以禁止重试。在配置文件中编写:RETRY_ENABLED = False减少下载超时:
如果对一个非常慢的链接进行爬取,减少下载超时可以能让卡住的链接快速被放弃,从而提升效率。在配置文件中进行编写:DOWNLOAD_TIMEOUT = 10 超时时间为10s
最新文章
- Hadoop基本操作
- 网络存储技术介绍(1) ( based on zt)
- Scrum Meeting--Twelve(2015-11-3)
- SSH(2)-- ssh_config和sshd_config
- Codeforces Round #174 (Div. 1)A
- 在网页中制作icon图标
- Head First 设计模式系列之二----备忘录模式(java版)
- Apache+Tomcat +mod_proxy集群负载均衡及session
- BZOJ1651: [Usaco2006 Feb]Stall Reservations 专用牛棚
- angularjs学习笔记—事件指令
- java项目打jar包
- Java文件操作(新建,遍历,删除)
- 简单的页面互点Javascript代码
- Find Lines
- es6 super关键字
- 547. Friend Circles
- Python 3.x 格式化输出字符串 % &; format 笔记
- 2017-2018-2 20155309南皓芯 Exp6 信息搜集与漏洞扫描
- ubuntu下使用fstab挂载硬盘时,属于root,如何把它改为属于一个用户的(如sgjm)
- VC++ MFC单文档应用程序SDI下调用glGenBuffersARB(1, &;pbo)方法编译通过但执行时出错原因分析及解决办法:glewInit()初始化的错误