爬虫使用分享:风云2号卫星气象照片

01-27 12:28 字数 913 阅读 166

爬虫概述

早在2016年,我用我的阿里云ECS上运行了一个长期性质的爬虫程序,内容是采集风云二号气象卫星照片,现在假期终于有时间回来查看结果,简单统计如下(附图):

图片总数:45869 个文件

最早文件:201609131345.jpg

最晚文件:201910091415.jpg

爬虫运行过程

1,数据源:

当时意外获得一个长期有效的数据来源,其URL参数,为时间格式,也就是说有着明显的规律。适合爬虫运行

2,爬虫运行:

这个爬虫的运行条件其实有2个:1定时下载;2不停机运行;

既然是气象数据,当然得定时抓取,所以我写了一个windows服务,置于后台连续运行。虽然中间由于服务器其他问题导致中断过几次,不过架不住时间长久,因此还是成功连续采集了很多数据。

还有个要求就是不能关机,程序需要连续运行。我的最终方案就是使用云服务器ECS部署运行。避免使用个人PC长期开机来运行。

3,处理存储:

首先,这个程序既然要长期运行,那么非常避讳的一点就是所有结果都集中在一个本地文件夹里,因此我选用了阿里云对象存储OSS,同时由于我需要不关机,所以我最终是云服务器ECS+对象存储OSS,ECS和OSS使用了同地域的,因此内网打通传输很快。这样我就只在本地做一个临时存储,转存OSS后不再占用本地硬盘,这样一来我才可以放心启动后“免维护”运行这好几年。

4,爬虫关停

爬虫的关停并非我本意,是我假期期间查看日志才知道数据源已经失效了。因此本爬虫寿终正寝。虽然我可以去寻找一下新的有效数据源,但是由于老数据我都没用好,那么新的数据就暂时先不去寻找了。

爬虫工作完成,最终成果下载

我选用了阿里云推荐的OSS客户端工具,由于我提前规划好了ECS和OSS同地域,因此可以直接内网下载到我的ECS,速度还是很快的,工具显示大于60MB/s。工具部分截图如图:

为了避免OSS公网下载流量的费用支出(其实是穷:直接下载6G大小文件,忙时价格为1块5毛钱),我将OSS数据内网下载后,走ECS的出带宽下载回我PC本地。本地查看:

原文地址:https://www.opengps.cn/Blog/View.aspx?id=590文章的更新编辑依此链接为准。欢迎关注源站原创文章!

0人点赞>
关注 收藏 改进 举报
0 条评论
排序方式 时间 投票
快来抢占一楼吧
请登录后发表评论