10000台不稳定机器如果做爬虫

仅仅是要减小nodes之间的traffic，实际很难减少呀，但是做到能减少一点是一点。

还是需要master的角色来做初始化和协调。 但是每个node把url分发到对应的node去处理，不过把这个信息给存在本地就好，就不用每次去找master来找，这个是减少一点call。

我觉得其实还有个思路。

弄几个中心节点记录每个url是否被爬过。然后一个节点拿到url，使劲爬，当然每次爬之前要去中心查是否被爬了，或者说尝试去中心检点标记自己要爬这个，但是标记失败就说明被爬过了，不用爬了。这样的话，只需要一个call。 如果当前节点的queue太大了。说明自己搞不定，那就去master要资源，看看哪个节点空闲。那这个节点可以去把部分load转移到另外的节点上去。

这样节点之间的通信只有url信息，网络流量不增不减吧。好处是，每个节点不用频繁和各种连接都建立连接。