多个爬虫去重分布在鈈同的服务器上通过状态管理器进行统一调度，达到像URL去重等功能的爬虫去重系统

　　1） 充分利用多台机器的宽带加速

　　2）充分利用哆机器的IP加速爬取速度

Scrapy分布式爬虫去重原理

　　　　单机Scrapy爬虫去重架构

分布式爬虫去重需要改进的Scrapy

　　　　1）requests队列集中管理（在架构图中SCHEDULERΦ管理）

　　　　2）URL去重集中管理

　　　　　　requests队列存储在单机的内存当中URL去重原理也是存储在内存当中的Set()集合中，解决这两个问题

　　　　可以将这个队列和集合存储在数据库中，进行统一的资源管理

　　　　　　在选择数据库时推荐使用Redis数据库，它是一个基于内存的数据库将Requests队列和URL集合存储在内存，避免数据落地提高效率