前言

通过 Python 爬取十万博文之后,最重要的是要让互联网用户访问到,那么如何做呢?

选型

从后台框架、前端模板、数据库连接池、缓存、代理服务、限流等组件多个维度选型。

* 后台框架 SpringBoot2+、JPA
* 前端框架 Vue
* 模块框架 Thymeleaf
* 数据库连接池 HikariCP
* 缓存 Redis
* 限流 Guava
* 代理服务 Nginx
* 文章编辑 Markdown
架构



博文

我们可以通过以下方式访问:
https://blog.52itstyle.top/49.html
亦或是:
https://blog.52itstyle.top/49.shtml
当然,如果你愿意你也可以显示为:
https://blog.52itstyle.top/49.php https://blog.52itstyle.top/49.asp
https://blog.52itstyle.top/49.jsp
只需要在后台配置对应的映射关系即可:
/** * 博文 */ @RequestMapping("{id}.html") public String
blog(@PathVariable("id") Long id, ModelMap model) { Blog blog =
blogService.getById(id); model.addAttribute("blog",blog); return "article"; }
由于数据库存储的是 markedown 格式的数据,前台我们通过 editormd 转为 html 代码显示,这里只展示部分代码:
<script type='text/javascript' src='js/jquery.min.js'></script> <!--省略部分代码-->
<script type='text/javascript' src="editor/editormd.min.js"></script>
<!--省略部分代码--> <div id="article"> <textarea th:text="${blog.content}"
style="display:none;" placeholder="markdown语言"> </textarea> </div>
<!--省略部分代码--> <script> editormd.markdownToHTML("article", { htmlDecode :
"style,script,iframe", emoji : true, taskList : true, tex : true, // 默认不解析
flowChart : true, // 默认不解析 sequenceDiagram : true // 默认不解析 }); </script>
缓存

爬取的博文一般、基本、大概不会修改,所以我们完全可以缓存起来,避免跟数据库直接交互,顺便提升一下访问速速。正好手头有个 256MB 的阿里云 Redis
服务,拿来就用了。

首相引入以下组件:
<dependency> <groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId> </dependency> <dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId> </dependency>
配置 redis:
spring.redis.database=1
spring.redis.host=r-m5e4873fd882de14.redis.rds.aliyuncs.com
spring.redis.port=6379 spring.redis.password=6347888
spring.redis.pool.max-active=8 spring.redis.pool.max-wait=-1
spring.redis.pool.max-idle=8 spring.redis.pool.min-idle=0
spring.redis.timeout=3000ms spring.cache.type = redis
接口实现,引入 Cacheable 注解:
@Override @Cacheable(cacheNames ="blog") public Blog getById(Long id) { String
nativeSql = "SELECT * FROM blog WHERE id=?"; return
dynamicQuery.nativeQuerySingleResult(Blog.class,nativeSql,new Object[]{id}); }
配置完成之后,我们打开数据库配置,多次访问博文地址,如果只是初次打印 SQL 说明配置成功:
spring.jpa.show-sql = true
限流

万一哪天流量暴涨亦或是有人恶意攻击,尔等小服务器根本扛不住,所以有时候我们需要一定的手段进行限流,比如限制IP访问的频率次数。

这里我们使用开源的第三方组件库,引入以下组件:
<dependency> <groupId>com.google.guava</groupId>
<artifactId>guava</artifactId> <version>25.1-jre</version> </dependency>
自定义注解:
/** * 自定义注解 限流 */ @Target({ElementType.PARAMETER, ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME) @Documented public @interface ServiceLimit
{ /** * 描述 */ String description() default ""; /** * key */ String key()
default ""; /** * 类型 */ LimitType limitType() default LimitType.CUSTOMER; enum
LimitType { /** * 自定义key */ CUSTOMER, /** * 根据请求者IP */ IP } }
限流逻辑:
/** * 限流 AOP */ @Aspect @Configuration public class LimitAspect {
//根据IP分不同的令牌桶, 每天自动清理缓存 private static LoadingCache<String, RateLimiter> caches
= CacheBuilder.newBuilder() .maximumSize(1000) .expireAfterWrite(1,
TimeUnit.DAYS) .build(new CacheLoader<String, RateLimiter>() { @Override public
RateLimiter load(String key){ // 新的IP初始化 每秒只发出5个令牌 return
RateLimiter.create(5); } }); //Service层切点 限流
@Pointcut("@annotation(com.itstyle.blog.common.limit.ServiceLimit)") public
void ServiceAspect() { } @Around("ServiceAspect()") public Object
around(ProceedingJoinPoint joinPoint) { MethodSignature signature =
(MethodSignature) joinPoint.getSignature(); Method method =
signature.getMethod(); ServiceLimit limitAnnotation =
method.getAnnotation(ServiceLimit.class); ServiceLimit.LimitType limitType =
limitAnnotation.limitType(); String key = limitAnnotation.key(); Object obj;
try { if(limitType.equals(ServiceLimit.LimitType.IP)){ key =
IPUtils.getIpAddr(); } RateLimiter rateLimiter = caches.get(key); Boolean flag
= rateLimiter.tryAcquire(); if(flag){ obj = joinPoint.proceed(); }else{ throw
new RrException("小同志,你访问的太频繁了"); } } catch (Throwable e) { throw new
RrException("小同志,你访问的太频繁了"); } return obj; } }
收录

完事具备,就差被搜索引擎收录了,我们可以通过手动生成网站地图,提交给百度。
/** * 生成地图 * 参见:https://blog.52itstyle.top/sitemap.xml */ @Component public
class SitemapTask { @Autowired private DynamicQuery dynamicQuery; protected
Logger logger = LoggerFactory.getLogger(getClass()); @Value("${blog.url}")
private String blogUrl; //每天23点执行一次 @Scheduled(cron = "0 0 23 * * ?") public
void createSitemap() { logger.info("定时提交百度收录开始"); StringBuffer xml = new
StringBuffer(); xml.append("<?xml version='1.0' encoding='utf-8'?>\n");
xml.append("<urlset>\n"); String nativeSql = "SELECT id,create_time FROM blog";
List<Object[]> list = dynamicQuery.query(nativeSql,new Object[]{});
list.forEach(blog -> { String url = blogUrl+blog[0]+".html"; xml.append("
<url>\n"); xml.append(" <loc>"+url+"</loc>\n"); xml.append("
<lastmod>"+blog[1]+"</lastmod>\n"); xml.append(" </url>\n"); });
xml.append("</urlset>\n"); saveAsFileWriter(xml.toString());
logger.info("定时提交百度收录结束"); } private static void saveAsFileWriter(String
content) { String path =
ClassUtils.getDefaultClassLoader().getResource("").getPath(); String filePath =
path + "static"+ SystemConstant.SF_FILE_SEPARATOR+"sitemap.xml"; FileWriter
fwriter = null; try { fwriter = new FileWriter(filePath, false);
fwriter.write(content); } catch (IOException ex) { ex.printStackTrace(); }
finally { try { fwriter.flush(); fwriter.close(); } catch (IOException ex) {
ex.printStackTrace(); } } } }
打包

尽量不要以Jar包形式部署,为了以后方便部署,最好放置到 外置Tomcat 下。

pom.xml 中移除内置 Tomcat:
<dependency> <groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-tomcat</artifactId> <scope>provided</scope>
</dependency>
修改启动类:
/** * 启动类 * 创建者 科帮网 * 创建时间 2019年7月21日 */ @SpringBootApplication @EnableCaching
@EnableScheduling public class Application extends SpringBootServletInitializer
{ private static final Logger logger =
LoggerFactory.getLogger(Application.class); public static void main(String[]
args) { SpringApplication.run(Application.class, args); logger.info("项目启动"); }
@Override protected SpringApplicationBuilder configure(SpringApplicationBuilder
application) { return application.sources(Application.class); } }
代理

项目部署后,最好加一层代理服务,这里我们使用Nginx:
server { listen 80; server_name blog.52itstyle.top; return 301
https://$server_name$request_uri; } server{ listen 443 ssl; server_name
blog.52itstyle.top; #证书路径 ssl_certificate
/usr/local/openresty/nginx/cert/2543486_blog.52itstyle.top.pem; #私钥路径
ssl_certificate_key
/usr/local/openresty/nginx/cert/2543486_blog.52itstyle.top.key; #缓存有效期
ssl_session_timeout 5m; #可选的加密算法,顺序很重要,越靠前的优先级越高. ssl_ciphers
ECDHE-RSA-AES128-GCM-SHA256:ECDHE:ECDH:AES:HIGH:!NULL:!aNULL:!MD5:!ADH:!RC4;
#安全链接可选的加密协议 ssl_protocols TLSv1 TLSv1.1 TLSv1.2; ssl_prefer_server_ciphers on;
location = /500.html { root /usr/local/openresty/nginx/html; } error_page 500
502 503 504 = /503/503.html; location / { proxy_pass http://127.0.0.1:8080; }
location ~ /\.ht { deny all; } }
动静分离,将静态文件交由Nginx处理,加速博客访问:
#静态文件交给nginx处理 location ~ .*\.(js|css|gif|jpg|jpeg|png|bmp)?$ { root
/home/tomcat8/webapps/ROOT/WEB-INF/classes/static; expires 2h; }
源码:https://gitee.com/52itstyle/Python <https://gitee.com/52itstyle/Python>

演示:https://blog.52itstyle.top <>

列表:https://blog.52itstyle.top/index <https://blog.52itstyle.top/index>

详情:https://blog.52itstyle.top/49.shtml <https://blog.52itstyle.top/49.shtml>

小结

撸完整个项目,基本能接触的都用上了,前后端框架、连接池、限流、缓存、动静分离,HTTPS安全认证、百度收录等等,特别适合有一定开发基础的小伙伴!