执行公开找新策略

找新简述

执行公开找新(包含：'zhixing','shixin','xianxiao','zhongben')
zhixing: 通过任务表增加的zhixing_id和爬取结果1101的zhixing_id进行找新
shixin: 通过任务表增加的ep_id和爬取结果1101的ep_id进行找新
zhongben: 通过任务表增加的zhongben_id和爬取结果1101的zhongben_id进行找新
xianxiao： 通过shixin和zhongben新增数据的name进行找新

找新策略详情

* 被执行人
  * 每天发布四次任务，每次发布的zhixing_id为距今十五天内且爬取失败次数小于80次且爬取结果为1101或null的zhixing_id
  * 每次发布任务前，判断任务表内执行结果为1000的最大zhixing_id id1与表内最大zhixing_id id2,若两个id之差(id2-id1)小于七万，就补充差额的zhixing_id到任务表内。

* 终本案件
  * 根据每天终本网页上的最大zhongben_id(有些zhongben_id为错误值，需要排除),按照向上增加2万，向下增加6万的范围补充执行任务表内没有的id
  * 每天发布四次任务，每次发布的zhongben_id为距今3天内且爬取失败次数小于80次且爬取结果为1101或null的zhongben_id

* 限制高消费
  * 使用每天失信和终本新增的name作为任务进行查找

* 失信被执行人
  * 与被执行招新策略一致，增大ep_id后发布任务

发布id的时间范围，最大失败次数以及补充id的范围都可通过data_pump的参数进行调整

data_pump参数说明

队列名称及队列地址

• redis host: redis://:utn@0818@bdp-mq-001.redis.rds.aliyuncs.com:6379/7
• redis port: 6379
• redis db: 7
• redis key:
  • risk_zxgk

优先级队列说明

• risk_zxgk 支持队列优先级
  • 找新任务
    • zhixing：risk_zxgk:101
    • shixin：risk_zxgk:102
    • zhongben：risk_zxgk:103
    • xianxiao：risk_zxgk:4
  • 存量循环更新任务
    • zhixing：risk_zxgk:51
    • shixin：risk_zxgk:52
    • zhongben：risk_zxgk:53
    • xianxiao：risk_zxgk:2
  • 补漏及其他任务
    • risk_zxgk:60

任务输入参数（样例）

找新任务

zhixing
{
  "zhixing_id": "1371041114",
  "task_type": "spider_zhixing_task",
  "update_id_type": "zhixing"
}

shixin
{
  "shixin_id": "1371041114",
  "task_type": "spider_shixin_task",
  "update_id_type": "shixin"
}

xianxiao
{
  "pname": "刘春志",
  "task_type": "spider_xianxiao_task",
  "update_id_type": "xianxiao"
}

zhongben
{
  "zhongben_id": "1371041114",
  "task_type": "spider_zhongben_task",
  "update_id_type": "zhongben"
}

例行更新任务

任务参数中update_id_type变化
zhixing
{
  "zhixing_id": "1371041114",
  "task_type": "spider_zhixing_task",
  "update_id_type": "zhixing_routine"
}

shixin
{
  "shixin_id": "1371041114",
  "task_type": "spider_shixin_task",
  "update_id_type": "shixin_routine"
}

xianxiao
{
  "pname": "刘春志",
  "task_type": "spider_xianxiao_task",
  "update_id_type": "xianxiao_routine"
}

zhongben
{
  "zhongben_id": "1371041114",
  "task_type": "spider_zhongben_task",
  "update_id_type": "zhongben_routine"
}

代码地址

数据存储表地址

任务表:主要包括id(zhixing_id,ep_id,zhongben_id)，task_result(1000/1101/null),
failures_number(爬取失败次数:0--max_failure_number)等字段

业务表:业务数据，包含爬虫结果(id,name等)以及内部分析字段(company_name_digest等)

钉钉预警

找新预警:以zhongben找新为例，其余三种数据预警逻辑一致，每天找新成功的爬虫日志少于10条时预警

报警信息：zhongben24小时内找新失败
索引：public-company-spider-data-*
监控频率：每4小时一次
监控起止时间： 06:00到20:00
报警条件：spider_name=risk_zxgk 且 task_params.update_id_type=zhongben 且 task_result=1000 24小时内量少于10条

补漏预警:以zhongben补漏为例，zhixing与shixin预警逻辑一致，统计每天任务表内未更新的数据写到total字段，total>10报警,或补漏预警程序失败未向es写入数据时报警

报警内容:"报警:zhongben补漏数据24小时内未更新"
索引：mysql_stat-*
监控频率：每天两次
监控时间：10:00和16:00
报警条件：db_host=bdp-ext.rwlb.rds.aliyuncs.com且db_name=bdp_risk且db_table=risk_zhongben_loss 24小时内量为0条
或db_host=bdp-ext.rwlb.rds.aliyuncs.com且db_name=bdp_risk且db_table=risk_zhongben_loss 且total>10 24小时内量大于1条

例行更新预警:zhixing T+3预警，统计三天内es例行任务量与业务表中满足例行条件的数据量进行比较，差值计入total字段，total<0，说明三天内未例行完成，进行报警

报警内容:"报警:被执行表T+3更新未完成"
索引：mysql_stat-*
监控频率：每天一次
监控时间：10:00
报警条件：db_host=bdp-rds-001.mysql.rds.aliyuncs.com且db_name=utn_ng_risk且db_table=risk_zhixing且total<0 24小时内量大于0条

部署地址

10.8.6.18

部署方法及说明

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

数据接收来源

1.爬虫数据进行数据更新
2.代码生成新的执行id进行爬虫任务发布