情况是我们有多个服务器(40 多台)同时抓取一个相同的 URL(以确保我们有最小的遗留)并将数据保存到数据库(MySQL)中。
现在的问题是:数据来回切换。例如,由于爬虫/数据库的遗留问题,内容将在几秒钟内变为 A <-> B <-> A <-> B <-> A。
有什么好的方法可以预防吗?我们正在用 Perl 编写爬虫,但任何语言都适合我们,因为我们可以借鉴背后的想法。
任何提示将不胜感激。雷迪斯? ZeroMQ?
谢谢
最佳答案
关于mysql - 分布式爬虫和一致性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56445790/