Spider Monitoring: Unterschied zwischen den Versionen
Fueeg (Diskussion | Beiträge) Die Seite wurde neu angelegt: „Das Spider-Monitoring dient dazu, Probleme zu erkennen und zu beheben, damit die Spider möglichst effizient laufen können. Wir unterscheiden zwischen Monitor…“ |
Fueeg (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| Zeile 86: | Zeile 86: | ||
---- | ---- | ||
Version vom 25. Mai 2020, 11:27 Uhr
Das Spider-Monitoring dient dazu, Probleme zu erkennen und zu beheben, damit die Spider möglichst effizient laufen können. Wir unterscheiden zwischen Monitoren, welche über den Zustand und die Treffer der Spider Auskunft geben, und Monitoren, die Auskunft darüber geben, ob bei den Spider-Zielen (hier Immobilien-Websites) etwas angepasst werden muss.
Ein live Überblick zum Zustand der Spider gibt der Monitor http://192.168.100.102:8081/app_dev.php/Monitoring/SpiClients?none=0 (1. Monitor, Ladezeit: weniger als eine Minute)
BILD ÜBERSICHT
Auf diesem Monitor werden sämtliche Spider aufgelistet, die für woni.ch im Einsatz sind. Die obere Grafik zeigt die Anzahl Fehlermeldungen, welche jeder einzelne Spider im Laufe eines Tages gemeldet hat. Jedes Quadrat entspricht einem Spider mit entsprechender Nummer. Schwarze Quadrate zeigen Spider an, die Lebenszeichen senden. Rote Quadrate zeigen Spider an, die kein Lebenszeichen senden. Dann muss der entsprechende Client geöffnet werden, um zu schauen, was ihn deaktiviert hat. Dazwischen gibt es verschiedene Schattierungen von rot. Je rötlicher ein Quadrat, umso mehr Fehler wurden generiert. Klick auf das entsprechende Spider-Quadrat blendet unterhalb der Quadrate Details zum jeweiligen Spider ein.
Zuerst stehen die Fehlermeldungen, welche der Server gemeldet hat, mit den entsprechenden [A:FEHLERCODES].
Fehlercodes, sofern nicht bereits auf der Seite erklärt:
- 99 HTML zu klein
- 9845 Detailseite zu klein (wie -99 bei comparis)
- 2542 "No advert detaillink" advertisement ID, scheint sich nicht auf Detailseite zu befinden, obschon er sollte
Eine Detailübersicht über die gefundenen Inserate pro Stunde gibt der Monitor http://192.168.100.102:8081/app_dev.php/Monitoring/SpiClientsCrawllinks?none=0 (4. Monitor, Ladezeit: Minuten)
BILD SPIDERDETAIL
Jedes Histogramm zeigt für jeden Spider, wieviele Links pro Stunde dieser Spider verarbeitet hat. Farbcode: Blau: Erfolgreich verarbeitete Links Rot: Noch nicht verarbeitete Links
Kriterien
- Diagramme sollten im Normalfall dieselben X-Skalen haben
Der folgende Monitor gibt Informationen über die Felder, welche von den Spidern bei den jeweiligen Zielseiten pro Tag gefunden und ausgefüllt werden konnten http://192.168.100.102:8081/app_dev.php/Monitoring/SpiSources?none=0 (2. Monitor, Ladezeit für Seite: ca 5 minuten, Ladezeit für Bild: mehrere Sekunden)
BILD
Grob sind zwei Kategorien an Linien zu sehen: schwach und stark gefärbte. Die schwachgefärbten Striche entsprechen den geprüften Feldern; diese Linien sollten alle demselben Trend folgen. Die starkgefärbte grüne Linie entspricht den Mediadateien wie Bilder und Dokumenten, die von Tag zu Tag viel mehr fluktuieren kann.
Hinweise:
- Letzte Datenpunkte können ignoriert werden
- Linien sollten alle demselben Trend folgen
- Grünliche Linie sind Mediadaten und können stärker fluktuieren.
Der folgende Monitor zeigt, wieviele Links auf der jeweiligen Seite pro Stunde gefunden wurden. http://192.168.100.102:8081/app_dev.php/Monitoring/SpiSourcesCounts?none=0 : 3. Monitor, Ladezeit: ca 3-4 Minuten)
BILD SPILINKS
Die Histogramme zeigen, wieviele Links auf der jeweiligen Seite von allen Spidern gefunden wurden. Der Farbcode der Balken meint folgendes: Rot: Neu gefundene Inserate Blau: Alte Inserate, die aktualisiert worden sind Gelb: Inserate, die noch aktualisiert werden
Kriterien:
- Diagramme sollten im Normalfall dieselben X-Skalen haben (gleicher Endzeitpunkt)
- kleiner Bruchteil an pendenten Links ist auch bei früheren Zeiten vertretbar
- Normalerweise ist das Verhältnis von neuen zu geupdateten Links klein, die Balken sind also vorwiegend blau
Um Änderungen besser zu verfolgen ist vorteilhaft, die Durchschnittszahl der verarbeiteten Links pro Seite über die Tage zu vergleichen (notieren).
Der nächste Monitor zeigt den Status vom geolocation http://192.168.100.102:8081/app_dev.php/Monitoring/ILGeocoding?none=0
(5. Monitor, Ladezeit: wenige Sekunden)
BILD GEOLOC
Hier ist wichtig zu schauen, ob die letzten Einträge zwischen 1 - 5 Uhr morgens gemacht wurden (angenommene Prüfzeit: 7 Uhr morgens).
Allgemeine Fehlerbehebung
Zuerst schauen, ob Fehler selber beheben -> Client Konsole in VMware prüfen (192.168.100.111 und 115)
Hängen alle Spider einer Plattform, so hat die Plattform möglicherweise etwas angepasst.