我可以打开多个Puppeteer浏览器吗？

Question

我正在使用node-cron（它允许你在你的节点程序中运行cron脚本）来运行一些木偶操纵器。这些脚本有时会同时运行，这意味着浏览器的多个实例const browser = await puppeteer.launch()会立即打开。

这是不好的做法吗？如果是这样，是否有另一种编写此代码的方法不会使其失败？

谢谢你的帮助。

cron.schedule('*/15 * * * *', async () => {    
    const browser = await pupeteer.launch({ headless: true, args: ['--no-sandbox', '--disable-setuid-sandbox']});
    const page = await browser.newPage(); // Create new instance of puppet
    let today = moment();        
    logger.info(`Chrome Launched...`);

    try {
        await senatorBot(users, page, today.format("YYYY-DD-MM"));
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    try {
        await senateCandidateBot(users, page, today.format("YYYY-DD-MM")); // This sequence matters, because agree statement will not be present...
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    await page.close();
    await browser.close();
    logger.info(`Chrome Closed.`);

});

cron.schedule('*/15 17-19 * * 1-5', async () => {   

    logger.info(`Chrome Launched...`); 
    const browser = await pupeteer.launch({ headless: true, args: ['--no-sandbox', '--disable-setuid-sandbox']});
    const page = await browser.newPage(); // Create new instance of puppet
    let today = moment();

    try {
        await contractBot(users, page, today.format("MM-DD-YYYY"));
    } catch(err) {
        logger.debug(JSON.stringify(err));
    }

    await page.close();
    await browser.close();
    logger.info(`Chrome Closed.`);
});

Answer 1

好的，找到了一些代码来帮助您入门。代码绑定到我的自定义代码库中，但我正在使用的函数很容易被您自己的代码替换。

首先，我编写一个简单的节点文件，创建一个Chromium实例并保存对wsEndpoint的引用，然后我们可以将其用于连接。

档案：chromiumLauncher.js

const writeText = require("mylib/core.io.file/write-text");
const puppeteer = require("puppeteer");
const path = require("path");
const common = require("./common");

(async () => {
  const launch_options = {
    args: ['--disable-features=site-per-process'],
    headless: false,
    devtools: false,
    defaultViewport: {width: 1200, height: 1000},
    userDataDir: common.userDataDir
  };
  const browser = await puppeteer.launch(launch_options);
  const wsEndpoint = browser.wsEndpoint();
  await writeText(common.fnSettings, JSON.stringify({wsEndpoint}, null, "  "));
})();

在上面的common.js就是我存储一些简单配置设置的地方，你可以用自己的设置替换它只是简单地存储一些路径，它只是存储pupperteer放置它的数据文件的位置以及保存wsEndpoint值的位置。 write-text只是一个简单的基于承诺的函数，用于编写文本文件，基本上是fs.writeFile，编码设置为utf-8。

接下来我们创建另一个名为connect的js文件，

const puppeteer = require("puppeteer");
const cp = require('child_process');
const delay = require("mylib/promise/delay");
let browser = null;

const readText = require("mylib/core.io.file/read-text");
const common = require("./common");


async function launch () {
  cp.spawn('node', ['chromiumLauncher.js'], {
    detached: true,
    shell: true,
    cwd: __dirname
  });
  await delay(5000); //lets wait 5 seconds
}

async function getSettings() {
  try {
    const settingsTxt = await readText(common.fnSettings);
    return JSON.parse(settingsTxt);
  } catch (e) {
    if (e.code !== 'ENOENT') throw e;
    return null;
  }
}


async function connect () {
  if (browser) return browser;
  let settings = await getSettings();
  if (!settings) {
    await launch();
    settings = await getSettings();
  }
  try {
    browser = await puppeteer.connect({browserWSEndpoint: settings.wsEndpoint});
  } catch (e) {
    const err = e.error || e;
    if (err.code === "ECONNREFUSED") {
      console.log("con ref");
      await launch();
      settings = await getSettings();
      browser = await puppeteer.connect({browserWSEndpoint: settings.wsEndpoint});
    }
  }
  return browser;
}


module.exports = connect;

上面再添几个自定义库函数，但应该很容易替换。 read-text，恰好与写文本相反，而delay只是一个简单的基于承诺的延迟。

就是这样，使用..

const connect = require("path-to/connect");
const browser = await connect();
const page = await browser.newPage();

而且因为我们启动Chromium分离，因为进程关闭/连接，它将保持打开状态。我已经有大约7个流程与在Chromium中打开的70个网页连接，没有任何问题。有一点需要注意，因为我确实在分​​离的产卵中开始使用铬，如果你需要，你可以手动关闭铬。另一个选择就是在像PM2 chromiumLauncher.js这样的流程管理器中启动https://www.npmjs.com/package/pm2，

Answer 2

通常，只要您拥有足够强大的计算机，并行打开两个浏览器就没有问题。因此，答案完全取决于您机器的资源。您是否有足够的内存和CPU来为多个打开的Chrome浏览器供电？

检查您是否有足够的资源

如果您使用的是Linux，请打开像htop这样的工具来检查运行任务时处理的内存和CPU数量。当您达到CPU /内存限制时，应考虑按顺序运行任务（参见下文）。

使用资源池

即使你有足够的资源，你也可以使用库puppeteer-cluster（免责声明：我是作者）来处理并发处理。该库还将负责错误处理（如果浏览器崩溃会怎样？）并且可以在运行期间向您显示内存，CPU使用情况和爬网统计信息。

Code sample

这是一个如何使用它的最小示例。

const { Cluster } = require('puppeteer-cluster');

async function task1({ page }) => { // your first task, page is provided to your task
    await page.goto('...');
    // ...
}

async function task2({ page }) => { // another task
    await page.goto('...');
    // ...
}

(async () => {
    const cluster = await Cluster.launch({
        concurrency: Cluster.CONCURRENCY_BROWSER, // spawn to parallel browsers
        maxConcurrency: 2, // how many tasks should be run concurrently
    });

    cron.schedule('...', () => {
        cluster.queue(task1);
    });

    cron.schedule('...', () => {
        cluster.queue(task2);
    });
})();

按顺序抓取

如果你的机器没有资源来运行两个浏览器，你也可以一个接一个地运行任务，你只需要将maxConcurrency的值设置为1。然后排队的任务将不会并行运行，而是按顺序运行，因为只有一个开放资源。