我在一个网站上工作,它使用 puppet 从另一个网站上抓取数据。当我在本地机器上运行npm服务器时,它可以很好地抓取数据,但是当我将其部署到Heroku时,它只运行我正在查找的前三个文件,然后停止。
我实际上是在从学校网站上抓取课程的数据,所以我在for循环中运行这一行,let data = await crawler.scrapeData(classesTaken[i].code)
这将在下面运行此函数。我已经取代了实际的网站网址为我自己的隐私。
const browser = await puppeteer.launch({
args: [
'--no-sandbox',
'--disable-setuid-sandbox'
]
})
const page = await browser.newPage()
await page.goto("website url")
await page.type('#crit-keyword', code)
await page.click('#search-button')
await page.waitForSelector(".result__headline")
await page.click(".result__headline")
await page.waitForSelector("div.text:nth-child(2)")
let data = await page.evaluate(() => {
let classTitle = document.querySelector("div.text:nth-child(2)").textContent
.toLowerCase().split(' ')
.map((s) => s.charAt(0).toUpperCase() + s.substring(1)).join(' ').replace('Ii', "II")
let classDesc = document.querySelector(".section--description > div:nth-child(2)").textContent.replace('Lec/lab/rec.', '').trim()
return {
title: classTitle,
desc: classDesc
}
})
console.log(`== Finished grabbing ${code}`)
return data
这在我自己的本地服务器上运行得很好。但是,当我推到我的Heroku网站时,它只运行前三个类代码。我有一种感觉,这可能是由于我的dyno运行内存不足,但我不知道如何使它等待有可用的内存。
下面是部署日志
2023-05-22T17:29:18.421015+00:00 app[web.1]: == Finished grabbing CS 475
2023-05-22T17:29:19.098698+00:00 app[web.1]: == Finished grabbing CS 331
2023-05-22T17:29:19.783377+00:00 app[web.1]: == Finished grabbing CS 370
2023-05-22T17:29:49.992190+00:00 app[web.1]: /app/node_modules/puppeteer/lib/cjs/puppeteer/common/util.js:317
2023-05-22T17:29:49.992208+00:00 app[web.1]: const timeoutError = new Errors_js_1.TimeoutError(`waiting for ${taskName} failed: timeout ${timeout}ms exceeded`);
2023-05-22T17:29:49.992209+00:00 app[web.1]: ^
2023-05-22T17:29:49.992209+00:00 app[web.1]:
2023-05-22T17:29:49.992210+00:00 app[web.1]: TimeoutError: waiting for target failed: timeout 30000ms exceeded
2023-05-22T17:29:49.992211+00:00 app[web.1]: at waitWithTimeout (/app/node_modules/puppeteer/lib/cjs/puppeteer/common/util.js:317:26)
2023-05-22T17:29:49.992230+00:00 app[web.1]: at Browser.waitForTarget (/app/node_modules/puppeteer/lib/cjs/puppeteer/common/Browser.js:405:56)
2023-05-22T17:29:49.992230+00:00 app[web.1]: at ChromeLauncher.launch (/app/node_modules/puppeteer/lib/cjs/puppeteer/node/ChromeLauncher.js:100:31)
2023-05-22T17:29:49.992230+00:00 app[web.1]: at process.processTicksAndRejections (node:internal/process/task_queues:95:5)
2023-05-22T17:29:49.992231+00:00 app[web.1]: at async Object.scrapeData (/app/crawler.js:9:21)
2023-05-22T17:29:49.992231+00:00 app[web.1]: at async getClassData (file:///app/server.mjs:40:16)
2023-05-22T17:29:49.992234+00:00 app[web.1]:
我在某个地方读到尝试使用这些命令清除构建缓存
$ heroku plugins:install heroku-builds
$ heroku builds:cache:purge --app your-app-name
我已经试过了,它没有做任何事情。我还在 puppet 师GitHub上关注了Heroku的troubleshooting notes。
我相信这可能与我的dyno记忆有关的原因是由于this related post。如果是这样的话,我想弄清楚如何等到有可用的内存可以使用。
编辑:我现在也在无头模式下运行浏览器,这会导致完全相同的错误。
1条答案
按热度按时间bq9c1y661#
在进一步的日志记录中,我发现问题是我打开浏览器,然后从未关闭它,从而泄漏内存。通过在
scrapeData()
函数的return语句之前添加await browser.close()
行,内存泄漏停止了,服务器能够正确解析所有类代码。