Pada tulisan sebelumnya di Integrasi Splash dengan Scrapy, saya mencoba untuk integrasi Splash dengan Scrapy. Awalnya saya menggunakan satu kontainer Splash untuk crawling, tetapi ternyata terkendala saat menggunakan concurrent requests yang sedikit tinggi dan juga situs dengan script yang lumayan berat. Berikut dua isu utama yang sering saya temui saat crawling

  • 504 Gateway Timeout - umumnya error ini disebabkan oleh timeout saat fetching karena faktor tertentu, misal : script yang berat.
  • Connection refused - ini kondisi paling buruk. Pada kasus saya dahulu, connection refused disebabkan oleh kontainer Splash yang mati / ter-kill. Di kondisi ini saya harus menyalakan ulang kontainer, dan menjalankan ulang crawler.

Dari kedua isu diatas, saya mencari solusi untuk menanganinya. Dan, setidaknya saya menemukan solusi yang sampai saat ini saya kira solusi terbaik (dua poin diatas tidak saya temui lagi). Berikut langkah yang saya lakukan.

  1. Saya menggunakan Docker untuk konfigurasi ini. Langkah utama yang dilakukan yaitu membuat kontainer HA-Proxy dan multiple Splash. Pada docker, terdapat docker-compose yang mempermudah dalam deployment aplikasi.

  2. Buat fail dengan nama docker-compose.yml dengan editor teks anda, misal vim.

  3. Buat konfigurasi Splash Cluster sebagai berikut pada fail docker-compose.yml untuk 2 node Splash.

     global
         maxconn 512
         stats socket /tmp/haproxy
    
     defaults
         log global
         mode http
         compression algo gzip
         compression type text/html text/plain application/json
         timeout connect 3600s
         timeout client 3600s
         timeout server 3600s
     # HAProxy stats
     listen stats
         bind *:8036
         mode http
         stats enable
         stats show-legends
         stats show-desc Splash Cluster
         stats uri /
         stats refresh 15s
         stats auth    admin:admin # otorisasi laman stats
    
    
     # Splash Cluster
     frontend http-in
         bind *:8050
         default_backend splash-cluster
         acl staticfiles path_beg /_harviewer/
         acl misc path / /info /_debug /debug
    
     backend splash-cluster
         option httpchk GET /
         balance leastconn
         retries 3
         option redispatch
         server node-0 node_01:8050 check maxconn 5 inter 2s fall 10 observe layer4
         server node-1 node_02:8050 check maxconn 5 inter 2s fall 10 observe layer4
    
  4. Selanjutnya, di path letak docker-compose.yml yang ada, saya jalankan perintah docker-compose up. Splash nodes akan aktif beserta HAProxy dan cluster telah terbuat. Untuk berhentikan cluster, anda dapat gunakan docker-compose stop atau docker-compose start untuk menghidupkan.

  5. Untuk melihat statistik HAProxy, dapat diakses melalui peramban di <IP_ADDRESSS>:8036 dan masukkan user dan password.

Nah, langkah diatas adalah cara membuat Splash HA Cluster dengan Docker. Pada multi-host, anda dapat merubah konfigurasi pada HAProxy sesuai dengan IP node yang aktif.