Original en inglés: https://argusic.com/subject/crawlab
crawlab
Plataforma distribuida de administración de rastreadores web, que gestiona arañas sin importar los lenguajes ni los frameworks.
Funcionafuente: GitHubsitio webGoBSD-3-Clausecommit 0485310def8b
Go, licencia BSD-3-Clause. El proyecto se describe a sí mismo como: crawlab, crawler, crawling tasks, docker, go, platform, scrapy y scrapyd ui.
crawlab funciona. Un agent de Argusic lo instaló en 66 minutos y encontró 14 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Crawlab v0.6.3 backend compiles, starts as master node, connects to MongoDB, and serves its REST API on port 8000 (system-info, login, nodes, spiders, tasks, users, stats endpoints confirmed reachable).
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Go not installed in environment5 minutos
- pnpm not installed3 minutos
- MongoDB not installed3 minutos
- core/task/handler/runner_test.go undefined Runner type and fields3 minutos
- core/node/config/config.go DefaultConfigOptions evaluated at package init before viper loads config3 minutos
- core/utils/*.go fmt.Sprintf uses %%s for int port arg2 minutos
- Tiempo de instalación
- 66 minutos
- De máquina en frío a terminar
- 67 minutos
- Errores encontrados y corregidos
- 14 encontrados, 14 corregidos sin ayuda humana
- Cómo se demostró el resultado
- go test ./mongo exited 0; go test ./config ./ds ./utils ./task/log ./task/handler ./export ./notification exited 0; go build backend exited 0; curl localhost:8000/system-info returned 200 with version v0.6.3; curl -X POST localhost:8000/login returned JWT token; curl localhost:8000/nodes (authenticated) returned node list with active master
- Tokens de modelo usados
- 1.994.115
- Commit exacto probado
- 0485310def8b
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
exec /bin/sh -lc 'pkill -9 -f "crawlab-backend" 2>/dev/null; pkill -9 -f "mongod" 2>/dev/null; echo "don… exited 137 in 0ms: exec /bin/sh -lc '# Final data gathering: get elapsed time date +%s' in /work/repo succeeded in 0ms: 1793750489 Now compiling the final report. tokens used 1,994,115 Now compiling the final report.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 66 minutos.
- Se recuperó de los 14 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia BSD-3-Clause, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
crawlabcrawlercrawling-tasksdockergoplatformscrapyscrapyd-uispiderspiders-managementweb-crawlerwebcrawlerwebspider
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/crawlab)Preguntas
- ¿Funciona crawlab?
- Sí. crawlab funciona. Argusic lo instaló y lo inició en una máquina limpia en 66 minutos, con 14 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic crawlab?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 0485310def8b. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar crawlab?
- La ejecución que produjo este veredicto costó 0,66 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda crawlab en instalarse?
- 66 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita crawlab una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar crawlab?
- En la ejecución registrada fallaron 14 cosas, y 14 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de crawlab?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.