Reanudación desde punto de control

La Reanudación desde punto de control permite que una Extracción local interrumpida continúe desde el progreso guardado en lugar de volver a recopilar la tarea completa desde el principio. Introducida en Octoparse 10.2, está pensada para tareas locales de larga duración en las que reiniciar supondría volver a visitar muchas páginas, repetir bucles ya completados y esperar de nuevo por datos que ya se habían recopilado.

Qué se guarda

Mientras se ejecuta una tarea local compatible, Octoparse registra progreso suficiente para reconstruir dónde se detuvo la extracción. Según el Flujo de trabajo, el punto de control guardado puede incluir:

El número de filas ya generadas
La posición actual en un bucle de URL, de texto, de elementos o de desplazamiento
Los elementos restantes del bucle
La posición del Flujo de trabajo y la página necesarias para llegar al punto guardado
El progreso de cada subtarea en una ejecución en Modo Aceleración

Los datos extraídos que ya están almacenados en la ejecución actual se conservan. Cuando la tarea se reanuda, Octoparse restaura esa ejecución y continúa hacia los datos restantes.

Qué ocurre al reanudar

Supongamos que una tarea local está recopilando 5.000 páginas de producto y se detiene tras generar 3.200 filas. Cuando vuelves a abrir o a iniciar la tarea, Octoparse comprueba si el punto de control guardado sigue perteneciendo a la tarea actual y puede utilizarse. Si es válido, el ejecutor muestra el progreso registrado y te ofrece dos opciones:

Resume restaura la ejecución anterior, vuelve a la posición guardada del Flujo de trabajo y continúa con el trabajo restante.
Re-collect descarta el punto de control e inicia una ejecución nueva desde el principio.

Reanudar no siempre significa abrir la última URL y extraer de inmediato la siguiente fila. Algunos flujos deben repetir parte de su navegación o del estado del bucle para llegar con seguridad a la posición guardada. Durante esa repetición, Octoparse utiliza el progreso registrado para saltarse el trabajo ya completado y no tratar como datos nuevos lo que se vuelve a recorrer. Una vez alcanzada la posición guardada, la extracción continúa con normalidad. En Modo Aceleración, Octoparse también restaura el progreso por subtarea: las subtareas completadas se omiten, mientras que las subtareas pausadas, detenidas, con error o sin terminar vuelven a la cola de espera.

Cuánto trabajo puede conservar

El beneficio depende de cuándo se detuvo la ejecución y de cuánto trabajo se había completado ya.

Sin Reanudación desde punto de control	Con Reanudación desde punto de control
Reiniciar la tarea desde su primera entrada o página	Continuar con la parte no terminada de la ejecución
Volver a visitar páginas y bucles ya procesados	Restaurar el progreso registrado del bucle y del Flujo de trabajo
Esperar a que las subtareas completadas se ejecuten otra vez	Omitir las subtareas completadas en Modo Aceleración
Crear una ejecución nueva después de cada interrupción	Seguir usando la ejecución existente y los datos recopilados

La mejora es mayor en listas de URL extensas, Paginación profunda, bucles largos o tareas en Modo Aceleración con muchas subtareas. Una ejecución interrumpida cerca del inicio conserva menos trabajo que una interrumpida cerca del final.

Reanudar una ejecución local interrumpida

Inicia la tarea de nuevo

Abre la ejecución local interrumpida o inicia la misma tarea desde la lista de tareas.

Elige Resume

Selecciona Resume para restaurar la ejecución anterior. Elige Re-collect cuando quieras descartar intencionadamente el progreso guardado y ejecutar la tarea desde el principio.

Espera a que se restaure el progreso

Octoparse puede repetir la navegación por las páginas o las acciones del Flujo de trabajo antes de llegar a la posición registrada. El ejecutor indica cuándo está restaurando el progreso y cuándo ha alcanzado el punto de control.

Verifica la ejecución completada

Cuando termine la extracción restante, comprueba el número de filas generadas y algunos registros de muestra alrededor del punto de interrupción. Confirma que el conjunto de datos final cubre las entradas previstas, sin registros ausentes ni repetidos de forma inesperada.

Cuándo no se puede usar un punto de control

Un punto de control representa una configuración de tarea y una ejecución concretas. Octoparse lo valida antes de reanudar para que el progreso guardado no se aplique a una tarea incompatible. Puede que necesites volver a recopilar cuando:

La tarea o sus URL de entrada se modificaron después de crear el punto de control
El punto de control falta, está dañado o no puede asociarse al Flujo de trabajo actual
El progreso guardado procede de un modo de ejecución local diferente
La ejecución anterior terminó correctamente y no queda trabajo pendiente
Se inicia una ejecución local programada; las ejecuciones programadas empiezan desde cero en lugar de esperar una decisión de reanudación

Si la validación falla, Octoparse marca el punto de control como no disponible y ofrece una ejecución nueva en lugar de continuar en silencio desde una posición incierta.

Los puntos de control se guardan con la ejecución local de escritorio. Reanuda la tarea en el mismo entorno de escritorio de Octoparse donde se registró el progreso.