Scrapy_redis在scrapy的基础上实现了更多，更强大的功能，具体体现在：reqeust去重，爬虫持久化，和轻松实现分布式
Scrapy-redis提供了下面四种组件（components）
Scheduler
Duplication Filter
Item Pipeline
Base Spider
来我们认识一下它的工作流程：
来来我们获取一下sceapy_redis的源代码：
git clone https://github.com/rolando/scrapy-redis.git
我们clone到的 scrapy-redis 源码中有自带的一个example-project项目，这个项目包含3个spider，分别是dmoz, myspider_redis，mycrawler_redis
运行第一个dmoz文件
这个爬虫继承的是CrawlSpider，它是用来说明Redis的持续性，当我们第一次运行dmoz爬虫，然后Ctrl + C停掉之后，再运行dmoz爬虫，之前的爬取记录是保留在Redis里的。其实它就是一个 scrapy-redis 版 CrawlSpider 类，需要设置Rule规则，以及callback不能写parse()方法。
运行第二个myspider_redis文件
这个爬虫继承了RedisSpider， 它能够支持分布式的抓取，采用的是basic spider，需要写parse函数。其次就是不再有start_urls了，取而代之的是redis_key，scrapy-redis将key从Redis里pop出来，成为请求的url地址。RedisSpider类 不需要写start_urls：
scrapy-redis 一般直接写allowd_domains来指定需要爬取的域，必须指定redis_key，即启动爬虫的命令，参考格式：redis_key = 'myspider:start_urls'根据指定的格式，start_urls将在 Master端的 redis-cli 里 lpush 到 Redis数据库里，RedisSpider 将在数据库里获取start_urls。
运行myspider_redis文件的命令可以使用scrapy runspider myspider_redis或者使用scrapy crawl myspider_redis
在命令行端的redis-cli输入push指令，参考格式(指定起始url)：
lpush myspider:start_urls +你要请求的起始url
要使用分布式 Scrapy_Redis Settings.py设置文件中需要做一下配置
这里表示启用scrapy-redis里的去重组件，不实用scrapy默认的去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
使用了scrapy-redis里面的调度器组件，不使用scrapy默认的调度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
允许暂停，redis请求的记录不会丢失，不清除Redis队列，可以恢复和暂停
SCHEDULER_PERSIST = True
下面这些是request的队列模式
scrapy-redis默认的请求队列形式（有自己的优先级顺序）
是按照redis的有序集合排序出队列的
#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"
队列形式，请求先进先出
#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderQueue"
使用了栈的形式，请求先进后出
#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderStack"
ITEM_PIPELINES = {
'example.pipelines.ExamplePipeline': 300,
'scrapy_redis.pipelines.RedisPipeline': 400,
}
指定要存储的redis的主机的ip，默认存储在127.0.0.1
REDIS_HOST = 'redis的主机的ip'
定要存储的redis的主机的port，默认6379
REDIS_PORT = '6379'
本地部署
用的是scrapyd包
是运行scrapy爬虫的服务程序,它支持以http命令方式发布、删除、启动、停止爬虫程序。而且scrapyd可以同时管理多个爬虫,每个爬虫还可以有多个版本
发布爬虫需要使用另一个专用工具，就是将代码打包为EGG文件，其次需要将EGG文件上传到远程主机上这些操作需要scrapyd-client来帮助我们完成
4.修改配置文件：
[deploy] url=http://localhost:6800 project=项目名称
5.本地部署：
scrapyd-deploy -p <项目名称>
也可以指定版本号
scrapyd-deploy -p <项目名称> --version <版本号>
6.远端部署：
step1 购买linux系统服务器
step2 在终端上登录服务器
step3 配置项目运行环境
虚拟环境 添加三方库：pymongo pymysql requests
step4 修改scrapyd的配置文件，允许外网访问
查找配置文件的路径：find -name default_scrapyd.conf
修改配置文件: sudo vim 路径
step5 要去服务器安全组配置
step6 最后部署爬虫项目到服务器：
[deploy] url = http://118.24.255.219:6800 project=项目名称
step7 项目部署
scrapyd-deploy -p <项目名称>
也可以指定版本号
scrapyd-deploy -p <项目名称> --version <版本号>
scrapy部署介绍相关的中文文档地址
https://scrapyd.readthedocs.io/en/latest/
爬虫运行相关命令
https://scrapyd.readthedocs.io/en/latest/api.html
