我可以打开多个 Puppeteer 浏览器吗？

Question

我正在使用node-cron（它允许您在节点程序中运行 cron 脚本）来运行一些 puppeteer 抓取。这些脚本有时会同时运行，这意味着将同时打开多个浏览器实例const browser = await puppeteer.launch()。

这是不好的做法吗？如果是这样，是否有另一种编写此代码的方法不会使其失败？

感谢您的帮助。

cron.schedule('*/15 * * * *', async () => {    
    const browser = await pupeteer.launch({ headless: true, args: ['--no-sandbox', '--disable-setuid-sandbox']});
    const page = await browser.newPage(); // Create new instance of puppet
    let today = moment();        
    logger.info(`Chrome Launched...`);

    try {
        await senatorBot(users, page, today.format("YYYY-DD-MM"));
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    try {
        await senateCandidateBot(users, page, today.format("YYYY-DD-MM")); // This sequence matters, because agree statement will not be present...
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    await page.close();
    await browser.close();
    logger.info(`Chrome Closed.`);

});

cron.schedule('*/15 17-19 * * 1-5', async () => {   

    logger.info(`Chrome Launched...`); 
    const browser = await pupeteer.launch({ headless: true, args: ['--no-sandbox', '--disable-setuid-sandbox']});
    const page = await browser.newPage(); // Create new instance of puppet
    let today = moment();

    try {
        await contractBot(users, page, today.format("MM-DD-YYYY"));
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    await page.close();
    await browser.close();
    logger.info(`Chrome Closed.`);
});

Answer 1

一般来说，只要你有足够强大的机器，并行打开两个浏览器是没有问题的。所以这个问题的答案完全取决于你机器的资源。您是否有足够的内存和 CPU 来支持多个打开的 Chrome 浏览器？

检查你是否有足够的资源

如果您使用的是 linux，请打开类似 htop 的工具来检查任务运行时处理了多少内存和 CPU。当您达到 CPU/内存限制时，您应该考虑按顺序运行任务（见下文）。

使用资源池

即使您有足够的资源，您也可以使用库puppeteer-cluster（免责声明：我是作者）来处理并发处理。该库还将负责错误处理（如果浏览器崩溃怎么办？），并且可以在运行期间向您显示内存、CPU 使用率和爬取统计信息。

代码示例

这是一个如何使用它的最小示例。

const { Cluster } = require('puppeteer-cluster');

async function task1({ page }) => { // your first task, page is provided to your task
    await page.goto('...');
    // ...
}

async function task2({ page }) => { // another task
    await page.goto('...');
    // ...
}

(async () => {
    const cluster = await Cluster.launch({
        concurrency: Cluster.CONCURRENCY_BROWSER, // spawn to parallel browsers
        maxConcurrency: 2, // how many tasks should be run concurrently
    });

    cron.schedule('...', () => {
        cluster.queue(task1);
    });

    cron.schedule('...', () => {
        cluster.queue(task2);
    });
})();

按顺序抓取

如果你的机器没有资源来运行两个浏览器，你也可以一个接一个地运行任务，你只需要将maxConcurrency的值设置为1。这样排队的任务就不会并行运行，而是顺序运行，因为只有一个开放资源。

Answer 2

好的，找到了一些可以帮助您入门的代码。代码绑定到我的自定义代码库中，但我使用的函数可以轻松替换为您自己的。

首先，我编写了一个简单的节点文件，该文件创建了一个 Chromium 实例，并保存了对 wsEndpoint 的引用，以后我们可以使用它来连接。

文件：chromiumLauncher.js

const writeText = require("mylib/core.io.file/write-text");
const puppeteer = require("puppeteer");
const path = require("path");
const common = require("./common");

(async () => {
  const launch_options = {
    args: ['--disable-features=site-per-process'],
    headless: false,
    devtools: false,
    defaultViewport: {width: 1200, height: 1000},
    userDataDir: common.userDataDir
  };
  const browser = await puppeteer.launch(launch_options);
  const wsEndpoint = browser.wsEndpoint();
  await writeText(common.fnSettings, JSON.stringify({wsEndpoint}, null, "  "));
})();

上面common.js只是我存储一些简单的配置设置，你可以自己替换，它只是简单的存储一些路径，它只是存储pupperteer放置它的数据文件的位置以及保存@987654325的位置@ 价值。而write-text 只是一个简单的基于promise 的用于编写文本文件的函数，基本上是fs.writeFile，编码设置为utf-8。

接下来我们创建另一个名为connect的js文件，

const puppeteer = require("puppeteer");
const cp = require('child_process');
const delay = require("mylib/promise/delay");
let browser = null;

const readText = require("mylib/core.io.file/read-text");
const common = require("./common");


async function launch () {
  cp.spawn('node', ['chromiumLauncher.js'], {
    detached: true,
    shell: true,
    cwd: __dirname
  });
  await delay(5000); //lets wait 5 seconds
}

async function getSettings() {
  try {
    const settingsTxt = await readText(common.fnSettings);
    return JSON.parse(settingsTxt);
  } catch (e) {
    if (e.code !== 'ENOENT') throw e;
    return null;
  }
}


async function connect () {
  if (browser) return browser;
  let settings = await getSettings();
  if (!settings) {
    await launch();
    settings = await getSettings();
  }
  try {
    browser = await puppeteer.connect({browserWSEndpoint: settings.wsEndpoint});
  } catch (e) {
    const err = e.error || e;
    if (err.code === "ECONNREFUSED") {
      console.log("con ref");
      await launch();
      settings = await getSettings();
      browser = await puppeteer.connect({browserWSEndpoint: settings.wsEndpoint});
    }
  }
  return browser;
}


module.exports = connect;

上面还有几个自定义库函数，但应该很容易替换。 read-text，与 write-text 正好相反，delay 只是一个简单的基于 promise 的延迟。

就是这样，使用..

const connect = require("path-to/connect");
const browser = await connect();
const page = await browser.newPage();

因为我们以分离方式启动 Chromium，当进程关闭/连接时，它将保持打开状态。我有大约 7 个进程与在 Chromium 中打开的 70 个网页相关联，没有任何问题。需要注意的一点是，因为我确实在分​​离的 spawn 中启动了 chromium，所以如果你也需要，你可以手动关闭 chromium。另一种选择是在 PM2 https://www.npmjs.com/package/pm2 等进程管理器中启动 chromiumLauncher.js，