如何在“ OSError：[Errno 28]设备上没有剩余空间”失败时最好地处理Scrapy缓存？

Question

如果Scrapy发生异常失败，建议采取什么措施：

OSError：[Errno 28]设备上没有剩余空间

Traceback (most recent call last):
  File "/usr/lib/python3.6/site-packages/twisted/internet/defer.py", line 1386, in _inlineCallbacks
    result = g.send(result)
  File "/usr/lib/python3.6/site-packages/scrapy/core/downloader/middleware.py", line 53, in process_response
    spider=spider)
  File "/usr/lib/python3.6/site-packages/scrapy/downloadermiddlewares/httpcache.py", line 86, in process_response
    self._cache_response(spider, response, request, cachedresponse)
  File "/usr/lib/python3.6/site-packages/scrapy/downloadermiddlewares/httpcache.py", line 106, in _cache_response
    self.storage.store_response(spider, request, response)
  File "/usr/lib/python3.6/site-packages/scrapy/extensions/httpcache.py", line 317, in store_response
    f.write(to_bytes(repr(metadata)))
OSError: [Errno 28] No space left on device

在该特定情况下，一个ramdisk / TMPFS限制为128 MB被用作高速缓冲存储器的磁盘，与scrapy设置HTTPCACHE_EXPIRATION_SECS = 300上httpcache.FilesystemCacheStorage

HTTPCACHE_ENABLED = True
HTTPCACHE_EXPIRATION_SECS = 300
HTTPCACHE_DIR = '/tmp/ramdisk/scrapycache' # (tmpfs on /tmp/ramdisk type tmpfs (rw,relatime,size=131072k))
HTTPCACHE_IGNORE_HTTP_CODES = ['400','401','403','404','500','504']
HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'

我可能是错的，但是我得到的印象是Scrapy的FilesystemCacheStorage可能无法很好地管理其缓存（存储限制） （？） 。

使用LevelDB会更好吗？

Answer 1

你是对的。 缓存过期后，不会删除任何内容。 HTTPCACHE_EXPIRATION_SECS设置仅决定是否对所有HTTPCACHE_STORAGE使用缓存响应还是重新下载。

如果缓存数据非常大，则应考虑使用DB而不是本地文件系统进行存储。 或者，您可以扩展后端存储以添加LoopingCall任务，以连续删除过期的缓存。

为什么要抓紧地保留被忽略的数据？

我认为有两点：

• HTTPCACHE_EXPIRATION_SECS控制是使用缓存响应还是重新下载，它仅保证您使用的HTTPCACHE_EXPIRATION_SECS过期缓存。 不同的蜘蛛可能会设置不同的expiration_secs，删除缓存将使缓存混乱。

• 如果要删除过期的缓存，则需要一个LoopingCall Task来连续检查过期的缓存，这会使scrapy扩展更加复杂，而这并不是scrapy想要的。