资讯专栏INFORMATION COLUMN

初识Spalash

xumenger / 3599人阅读

摘要:负载均衡设置负载均衡的目的就是为了多个服务器分担压力。修改的配置文件,添加如下内容服务器集群名为代表最少链接负载均衡,去掉此行将使用默认的轮询策略实现负载均衡若使用,此方法确保同一服务器响应请求,此方法适合有状态的服务。

输入下面命令运行splash:

docker run -p 8050:8050 scrapinghub/splash

一个splash的基本实例:

function main(splash, args)
    splash:go("http://www.baidu.com")
    splash:wait(0.5)
    lcoal title = splash:evaljs("document.title")
    return {title=title}
end

将上面实例复制到 localhost:8050 的代码编辑区域,并将网址设为 http://www.baidu.com

点击Render me!返回 http://www.baidu.com 的title

我们在这里定义的方法名称为main(),这个名称是固定的,Splash会根据这个名字执行。

入口及返回值

该方法的返回值既可以是字典形式,也可以是字符串形式,最后都会转化为Splash HTTP Response。

异步处理

Splash支持异步处理,但是这里没有显式指明回调方法,其回调实在Splash内部完成的。

示例如下:

function main(splash, args)
    local example_urls = {"www.baidu.com", "www.taobao.com", "www.zhihu.com"}
    local urls = args.urls or example_urls
    local results  = {}
    for index, url in ipairs(urls) do
        local ok, reason = splash:go("http://" .. url)
        if ok then
            splash:wait(2)
            results[url] = splash:png()
        end
    end
    return results
end

上面实例运行结果为,三个网站的的截图。
在脚本内调用的wait()方法类似与sleep()。其参数为等待的秒数。

“..”为拼接字符串。

Splash对象属性

args

该属性可以获取加载时配置的参数,比如URL,

如果为GET请求,它还可以获取GET请求参数;

如果为POST请求,它可以获取表单提交的数据。

Splash也支持使用第二个参数直接作为args,例如:

function main(spalsh, args)
    local url = args.url
end

这里第二个参数args就相当于splash.args属性,以上代码等价于:

function main(spalsh)
    local url = splash.args.url
end

js_enable

这个属性是Splash的JavaScript执行开关,可以将其配置为true或false来控制是否执行JavaScript代码,默认为true.

一般不用设置此属性,默认开启。

resource_timeout

顾名思义,此属性设置加载的超时时间,单位为秒。如果设置为0或者nil(类似python中的None),代表不检测超时。

此属性用于加载速度较慢的情况,避免给一直等待,超过时间无响应,直接抛出异常忽略即可。

image_enable

顾名思义,设置图片是否加载,默认情况加载。禁用之后可以节省网络流量并提高加载速度。

注意,禁用图片加载可能会影响JavaScript渲染。因为禁用图片加载后,它的外层DOM节点的高度会发生变化,进而影响

DOM节点的位置。若JavaScript对图片节点有操作的话,其执行就会有影响。

初次之外Splash使用了缓存,一开始缓存了图片,然后禁用了图片加载。再进行加载图片还会出现,此时重启Splash即可

plugins_enable

此属性控制浏览器插件(如Flash插件)是否开启。默认false,不开启。

scroll_position

通过设置此属性来控制页面上下或左右滚动。
示例如下:

function main(splash, args)
    assert(splash:go("https://www.taobao.com"))
    splash.scroll_position = {y=400}
    return {png = splash:png()}
end

这样我们可以控制页面向下滚动400像素。

Splash对象方法

go()

该方法用来请求某个链接,也可以模拟GET和POST请求,同时支持传入请求头、表单等数据,其用法如下:

ok, reason = splash:go{url, baseurl=nil, http_method="GET", body=nil, formdata=nil}

其参数说明如下:

url:请求的URL。

baseurl:可选参数,默认为空,表示资源加载相对路径。

headers:可选参数,默认为空,表示请求头。

http_method:可选参数,默认为GET,同时支持POST。

body:可选参数,默认为空,发POST请求时的表单数据,使用的Content-type为application/json。

formdata:可选参数,默认为空,POST请求时的表单数据,使用的Content-type为application/x-www-form-urlencoded

该方法的返回结果是结果ok和原因reason的组合,如果ok为空,代表网页加载出现了错误,此时reason变量包含了错误的原因,否则证明页面加载成功。

示例如下:

function main(splash, args)
    local ok, reason = splash:go{"http://httpbin.org/post", http_method="POST", body="name=Germy"}
    if ok then
        return splash:html()
    end
end

wait()

此方法可以控制页面等待时间使用方法如下:
ok, reason = splash:wait(time, cancel_on_redirect=false, cancel_on_error=true)

参数说明如下:

time:等待的秒数。

cancel_on_redirect:可选参数默认为false,表示如果发生重定向就停止等待,并返回重定向的结果。

cancel_on_error:可选参数,默认为false,表示如果发生了加载错误,就停止等待。

返回结果也是ok和reason的组合。

jsfunc()

此方法可以直接调用JavaScript定义的方法,但是所调用的方法需要用双中括号包围,这相当于实现了JavaScript方法到Lua脚本的转换。

evaljs()

此方法可以执行JavaScript代码并返回最后一条JavaScript语句的返回结果,使用方法如下:

result = splash:evaljs(js)

runjs()

此方法可以执行JavaScript代码,它与evaljs()的功能类似,但是更偏向于执行某些动作或声明某些方法。

autoload()

此方法可以设置每个页面访问时自动加载的对象,使用发放如下:

ok, reason = splash:autoload{source_or_url, source=nil, url=nil}

参数说明如下:

source_or_url:JavaScript代码或者JavaScript库链接。

source:JavaScript代码

url:JavaScript库链接

此方法只负责加载JavaScript代码或库,不执行任何操作。执行操作的话,需要调用evaljs()或runjs()方法。

call_later()

此方法可以通过设置定时任务和延迟时间来实现任务延时执行,并且可以在执行前通过cancel()方法重新执行定时任务。

示例如下:

function main(splash, args)
    local snapshots = {}
    local timer = splash:call_later(function()
        snapshots["a"] = splash:png()
        splash:wait(1.0)
        snapshots["b"] = splash:png()
    end, 0.2)
    splash:go("https://www.taobao.com")
    splash:wait(3.0)
    return snapshots
end

http_get()

此方法可以模拟发送HTTP的GET请求,使用方法如下:

response = splash:http_get{url, headers=nil, follow_redirects=true}

参数说明如下:

url:请求URL

headers:可选参数,默认为空,请求头。

follow_redirects:可选参数,表示是启动自动重定向,默认为true。

http_post()

此方法用来模拟发送POST请求,使用方法如下:

 response = splash:http_post{url, headers=nil, follow_redirects=true, body=nil}

参数说明如下:

url:请求URL。

headers:可选参数,默认为空,请求头。

follow_redrects:可选参数,表示是否启动自动重定向,默认为true

body:可选参数,即表单数据,默认为空

set_content()

此方法用来设置页面的内容,示例如下:

function main(splash, args)
    assert(splash:set_content("

hello

")) return splash:png() end

html()

此方法用来获得网页的源代码

png()

此方法用来获取PNG格式的网页截图。

jpeg()

此方法用来获取JPEG格式的网页截图。

har()

此方法用来获得页面加载过程描述

url()

此方法可以获取当前正在访问的URL

get_cookies()

此方法可以获取当前页面的Cookies。

add_cookies()

此方法可以为当前页面添加Cookies。

clear_cookies()

此方法可以清除所有的Cookies。

get_viewport_size()

此方法可以获取当前浏览器页面的大小。

set_viewport_size()

此方法可以设置当前浏览器页面的大小

set_viewport_full()

此方法可以设置浏览器全屏显示

set_uer_agent()

此方法可以设置浏览器的User-Agent。

set_custom_headers()

此方法可以设置请求头

select()

该方法可以选中符合条件的第一个节点,如果有多个节点符合条件,则只会返回一个,其参数时CSS选择器。

select_all()

此方法可以选中所有符合条件的节点,其参数是CSS选择器。

mouse_click()

此方法可以模拟鼠标点击操作,传入的参数为坐标值的x 和y。此外,也可以直接选中某个节点,然后调用此方法。

Splash API调用

与python结合调用。

render.html

此接口用于获取JavaScript渲染的页面的HTML代码,接口地址就是Splash的运行地址加此接口名称,
例如 :

http://localhost:8050/render.html?url=https://www.baidu.com

我们给此接口传递了一个url参数来指定渲染的URL,返回结果即页面渲染后的源代码。

render.png

此接口可以获取网页截图,通过width和heigh来控制宽高,返回PNG格式的图片二进制数据。示例如下:

curl http://localhost:8050/rnder.png?url=https://www.taobao.com&wait=5&width=1000&height=700

render.jpeg

此接口接口返回jpeg格式的网页截图。参数quality用来设置图片质量。

render.har

此接口用于获取页面加载的HAR数据,示例如下:

curl http://localhost:8050/render.har?url=https://www.jd.com&wait=5

render.json

此接口包含了前面接口的所有功能,返回结果是JSON格式。

execute

此接口是最为强大的接口,实现了与Lua脚本的对接。

Splash负载均衡设置

负载均衡的目的就是为了多个服务器分担压力。
假设四台服务器哦IP地址为:

127.0.0.1

127.0.0.2

127.0.0.3

127.0.0.4

四台服务器的Splash均通过dockers的splash镜像在端口:8050开启服务。
选择任意一台带有公网IP的主机来配置负载均衡。

首先在服务器安装Nginx。

修改Nginx的配置文件nginx.conf,添加如下内容:

http {
    upstream splash {  # 服务器集群名为splash
        least_conn;  
        # 代表最少链接负载均衡,去掉此行将使用默认的轮询策略实现负载均衡
        # 若使用ip_hash,此方法确保同一服务器响应请求,此方法适合有状态的服务。
        # Splash不需要应用此设置。
        server 127.0.0.1:8050;
        # 还可以添加weight参数设置权值,权值越高分配到的请求越多。
        server 127.0.0.2:8050;
        server 127.0.0.3:8050;
        server 127.0.0.4:8050;
    }
    server {
        listen 8050;
        location / {
            proxy_pass http://splash;
            # 设置下面两行来进行用户认真。
            auth_basic "Restricted";
            auth_baseic_user_file /etc/nginx/conf.d/.htpasswd;
        }
    }
}

上面用户认证的用户名和密码配置放置在 /etc/nginx/conf.d 目录下,我们需要使用htpasswd命令创建。

例如,创建一个用户名为admin的文件,相关命令如下:

htpasswd -c .htpasswd admin

之后输入两次密码即可。

配置完成后需要重启Nginx服务。

测试文件在

./test_load_balance.py

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/44008.html

相关文章

  • 初识Spalash

    摘要:负载均衡设置负载均衡的目的就是为了多个服务器分担压力。修改的配置文件,添加如下内容服务器集群名为代表最少链接负载均衡,去掉此行将使用默认的轮询策略实现负载均衡若使用,此方法确保同一服务器响应请求,此方法适合有状态的服务。 输入下面命令运行splash: docker run -p 8050:8050 scrapinghub/splash 一个splash的基本实例: function ...

    james 评论0 收藏0
  • 初识 swoole【下】

    摘要:前言接初识上,这篇主要是异步问题有收获的话请加颗小星星,没有收获的话可以反对没有帮助举报三连代码仓库初识下异步任务设置异步任务的工作进程数量连接连接欢迎大山驴回调投递异步任务触发异步任务服务端回复说处理异步任务新的异步任务 前言:接初识swoole【上】,这篇主要是异步问题 有收获的话请加颗小星星,没有收获的话可以 反对 没有帮助 举报三连 代码仓库 初识swoole【下】 6、异...

    yeooo 评论0 收藏0
  • angular - 收藏集 - 掘金

    摘要:如何在中使用动画前端掘金本文讲一下中动画应用的部分。与的快速入门指南推荐前端掘金是非常棒的框架,能够创建功能强大,动态功能的。自发布以来,已经广泛应用于开发中。 如何在 Angular 中使用动画 - 前端 - 掘金本文讲一下Angular中动画应用的部分。 首先,Angular本生不提供动画机制,需要在项目中加入Angular插件模块ngAnimate才能完成Angular的动画机制...

    AlexTuan 评论0 收藏0
  • PHP下的异步尝试一:初识生成器

    摘要:下的异步尝试系列下的异步尝试一初识生成器下的异步尝试二初识协程下的异步尝试三协程的版自动执行器下的异步尝试四版的下的异步尝试五版的的继续完善生成器类获取迭代器当前值获取迭代器当前值返回当前产生的键生成器从上一次处继续执行重置迭代器向生成器中 PHP下的异步尝试系列 PHP下的异步尝试一:初识生成器 PHP下的异步尝试二:初识协程 PHP下的异步尝试三:协程的PHP版thunkify自...

    tomorrowwu 评论0 收藏0
  • React系列---React(一)初识React

    摘要:系列一初识系列二组件的和系列三组件的生命周期是推出的一个库,它的口号就是用来创建用户界面的库,所以它只是和用户界面打交道,可以把它看成中的视图层。系列一初识系列二组件的和系列三组件的生命周期 React系列---React(一)初识ReactReact系列---React(二)组件的prop和stateReact系列---React(三)组件的生命周期 showImg(https://...

    lanffy 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<