基本信息

数据维度

1. 基本信息
2. 股东信息
3. 高管信息

数据名称（中文）

爱企查

数据英文名称

aiqicha_search_company

采集网站（采集入口）

搜索页: https://aiqicha.baidu.com/
详情页: https://aiqicha.baidu.com/company_detail_31370200772422

采集频率及采集策略

存量更新策略

此次先跑完在营企业4000w+

增量采集策略

---

爬虫

爱企查   aiqicha_search_company

责任人

袁波

爬虫名称

aiqicha_search_company

代码地址

项目地址:http://192.168.109.110/granite/project-gravel/-/tree/aiqicha_20211112


## 队列名称及队列地址
<!--redis host port db key 优先级说明-->
-
* redis host: redis://:utn@0818@bdp-mq-001.redis.rds.aliyuncs.com:6379/7
* redis port: 6379
* redis db: 7
* redis key: 
    * aiqicha_search_company

任务输入参数（样例）

{
  "company_name": "眉山市彭山百盛农业发展有限公司",
  "credit_no": "91511422689947471C"
}

任务参数说明

data_type说明

爬虫结果的超级数据

实际爬虫结果的数据结构

{
    "data": [{
        "baseinfo": {
            "legal_person": "王森",
            "legal_person_url": "/person?personId=5f075668eb4d758c04ddc362b5aabb6d&subtab=personal-allenterprises",
            "company_status": "开业",
            "capital": "1,000万(元)",
            "stock_realcapital": "-",
            "history_name": "-",
            "industries_name": "房地产业",
            "credit_no": "91310114MA1GYHF51D",
            "tax_code": "-",
            "company_code": "91310114MA1GYHF51D",
            "company_name": "上海皓辰祥和房地产开发有限公司",
            "org_code": "MA1GYHF5-1",
            "authority": "嘉定区市场监督管理局",
            "establish_date": "2021-07-29",
            "company_type": "有限责任公司(自然人投资或控股)",
            "operation_startdate": "2021-07-29",
            "operation_enddate": "2051-07-28",
            "issue_date": "2021-07-29",
            "company_address": "上海市嘉定区封周路655号14幢201室JT7994",
            "business_scope": "许可项目：房地产开发经营；建设工程设计；各类工程建设活动；建设工程监理；住宅室内装饰装修；工程造价咨询业务。（依法须经批准的项目，经相关部门批准后方可开展经营活动，具体经营项目以相关部门批准文件或许可证件为准） 一般项目：信息咨询服务（不含许可类信息咨询服务）；物业管理；园林绿化工程施工；五金产品零售；建筑材料销售；金属材料销售；机械设备销售。（除依法须经批准的项目外，凭营业执照依法自主开展经营活动）",
            "claim_status": "我要认领"
        },
        "partners": [{
            "partner_no": 1,
            "stock_name": "上海辰景企业发展有限公司",
            "partner_url": "",
            "stock_proportion": "85%",
            "stock_capital": "850万(元)",
            "stock_realcapital": "-"
        },
        {
            "partner_no": 2,
            "stock_name": "苏州万昇行科技有限公司",
            "partner_url": "",
            "stock_proportion": "15%",
            "stock_capital": "150万(元)",
            "stock_realcapital": "-"
        }],
        "employees": [{
            "employee_no": 1,
            "employee_name": "王森",
            "employee_url": "/person?personId=5f075668eb4d758c04ddc362b5aabb6d",
            "position": "执行董事"
        },
        {
            "employee_no": 2,
            "employee_name": "张攀",
            "employee_url": "/person?personId=2e123b59ec0cfdc5b4611ce67478315a",
            "position": "监事"
        }]
    }],
    "http_code": 200,
    "error_msg": "",
    "task_result": 1000,
    "data_type": "detail",
    "spider_start_time": "2021-11-15 18:38:46.785",
    "spider_end_time": "2021-11-15 18:38:48.260",
    "task_params": {
        "company_name": "上海皓辰祥和房地产开发有限公司",
        "credit_no": "91310114MA1GYHF51D"
    },
    "metadata": {},
    "spider_name": "aiqicha_search_company",
    "spider_ip": "10.8.1.50",
    "proxy_ip": "http://10.8.6.219:1805"
}

爬虫运行环境

scrapy

爬虫部署信息

crontab任务对应机器collie用户:   10.8.6.63
爬虫部署机器:  10.8.6.62   20个进程

Taskhub地址

提交任务地址:http://10.8.6.222:8526/inbound/public_company_spider_data/check_task/

Taskhub调度规则说明

task_result=9110    # 非预期状态码
task_result=9201    # 出现异常提示信息

爬虫监控指标设计

待定

---

数据归集

责任人

范召贤

数据归集方式

• 爬虫直接写kafka

• 爬虫写文件logstash采集

爬虫结果目录

/data/gravel_spiders/aiqicha_search_company

归集后存放目录

/data2_227/grvael_spider_result/aiqicha_search_company

logstash配置文件名称

project-deploy/logstash/10.8.6.246/conf.d/collie_spider_data_to_kfk.conf(入topic)
project-deploy/logstash/10.8.6.229/conf.d/grvael_spider_to_es.conf(入es)

logstash文件采集type

type=>"aiqicha_search_company"

数据归集的topic

topic_id => "general-taxpayer"

ES日志索引及筛选条件

index => "gravel-spider-data-%{log_date}"

监控指标看板

数据保留策略

---

数据清洗

责任人

代码地址

部署地址

部署方法及说明

• crontab + data_pump
• supervisor + data_pump
• supervisor + consumer

数据接收来源

数据存储表地址

• 数据库地址：
• 表名：