Gecco爬虫监控

[email protected]

##监控指标 ###爬虫基本信息

• 刷新基本信息：exec/com.geccocrawler.gecco:name=gecco/monitor

• 读取基本信息：read/com.geccocrawler.gecco:name=gecco

    {
    Interval: 5000,//抓取间隔时间ms
    StartTime: "2016-03-20 20:34:11",//抓取开始时间
    ThreadCount: 1,//爬虫线程数量
    StarUrlCount: 8//初始url数量
    }
  

###下载监控

• 获取当前正在抓取的所有域名：exec/com.geccocrawler.gecco:name=downloader/hosts

• 获取某个域名的下载监控信息：exec/com.geccocrawler.gecco:name=downloader/statistics/xx.xx.com

• 读取下载监控信息：read/com.geccocrawler.gecco:name=downloader

    Statistics: "{
    	"exception":8,//该域名抓取异常的数量，主要是超时等异常
    	"serverError":0,//该域名返回500，404等错误信息的数量
    	"success":3263//成功抓取数量
    }",
    Host: "xx.xx.com"//域名
  

###内容抽取监控

• 刷新内容抽取监控信息：exec/com.geccocrawler.gecco:name=render/refresh

• 获取内容抽取监控信息：read/com.geccocrawler.gecco:name=render

    Statistics: "{
    	"xx.xx.com":0,//域名xx.xx.com的网站内容抽取的异常数量
    	"yy.yy.com":0//域名yy.yy.com的网站内容抽取的异常数量
    }"
  

##jmxutils和jolokia ###jmxutils gecco的监控使用了jmxutils这个开源的mbean注解框架。在以前的开发工作中要么就用原生的动态mbean，要么是使用spring的jmx注解框架。原生的动态mbean写起来太繁琐，spring的jmx注解框架使用起来还是很方便的，但是现在spring感觉有些重。jmxutils这个框架很轻量，使用方法可以参考https://github.com/martint/jmxutils。 ###jolokia Jolokia是一个利用JSON通过Http实现JMX远程管理的开源项目。具有快速、简单等特点。除了支持基本的JMX操作之外，它还提供一些独特的特性来增强JMX远程管理如：批量请求，细粒度安全策略等。也就是说jmx的mbean可以通过http来访问不需要在启动java时配置那么多参数。只需要新增一个servlet：

<servlet>
	<servlet-name>jolokia-agent</servlet-name>
	<servlet-class>org.jolokia.http.AgentServlet</servlet-class>
</servlet>
<servlet-mapping>
	<servlet-name>jolokia-agent</servlet-name>
	<url-pattern>/jmx/*</url-pattern>
</servlet-mapping>