Ripresa da punto di controllo

La ripresa da punto di controllo consente a un’estrazione locale interrotta di continuare dal progresso salvato, invece di raccogliere di nuovo l’intera attività dall’inizio. Introdotta in Octoparse 10.2, è pensata per attività locali di lunga durata, dove ricominciare significherebbe rivisitare molte pagine, ripetere loop già completati e attendere di nuovo dati già raccolti.

Cosa viene salvato

Mentre un’attività locale supportata è in esecuzione, Octoparse registra informazioni sufficienti a ricostruire il punto in cui l’estrazione si è fermata. A seconda del Flusso di lavoro, il punto di controllo salvato può includere:

Il numero di righe già prodotte
La posizione corrente in un loop di URL, di testo, di elementi o di scorrimento
Gli elementi rimanenti del loop
La posizione nel Flusso di lavoro e la pagina necessarie per raggiungere il punto salvato
Il progresso delle singole sottoattività in un’esecuzione in Modalità d’accelerazione

I dati già estratti e memorizzati nell’esecuzione corrente vengono conservati. Alla ripresa, Octoparse ripristina quell’esecuzione e prosegue verso i dati rimanenti.

Cosa succede alla ripresa

Supponiamo che un’attività locale stia raccogliendo 5.000 pagine di prodotto e si fermi dopo aver prodotto 3.200 righe. Quando riapri o riavvii l’attività, Octoparse verifica se il punto di controllo salvato appartiene ancora all’attività corrente e può essere utilizzato. Se è valido, il runner mostra il progresso registrato e ti propone due opzioni:

Resume ripristina l’esecuzione precedente, torna alla posizione salvata nel Flusso di lavoro e continua con il lavoro rimanente.
Re-collect elimina il punto di controllo e avvia una nuova esecuzione dall’inizio.

Riprendere non significa sempre aprire l’ultimo URL ed estrarre subito la riga successiva. Alcuni flussi devono ripercorrere parte della navigazione o dello stato dei loop per raggiungere in sicurezza la posizione salvata. Durante questa ripetizione Octoparse usa il progresso registrato per saltare il lavoro già svolto ed evitare di trattare come nuovi i dati ripercorsi. Una volta raggiunta la posizione salvata, l’estrazione prosegue normalmente. In Modalità d’accelerazione, Octoparse ripristina il progresso anche per sottoattività: quelle completate vengono saltate, mentre le sottoattività in pausa, interrotte, fallite o incomplete tornano nella coda di attesa.

Quanto lavoro riesce a conservare

Il vantaggio dipende da quando l’esecuzione si è fermata e da quanto lavoro era già stato completato.

Senza ripresa da punto di controllo	Con ripresa da punto di controllo
Riavviare l’attività dal primo input o dalla prima pagina	Continuare con la parte non completata dell’esecuzione
Rivisitare pagine e loop già elaborati	Ripristinare il progresso registrato di loop e Flusso di lavoro
Attendere che le sottoattività completate vengano rieseguite	Saltare le sottoattività già completate in Modalità d’accelerazione
Creare una nuova esecuzione dopo ogni interruzione	Continuare a usare l’esecuzione esistente e i dati raccolti

Il miglioramento è maggiore con elenchi di URL estesi, Impaginazione profonda, loop lunghi o attività in Modalità d’accelerazione con molte sottoattività. Un’esecuzione interrotta poco dopo l’avvio conserva meno lavoro di una interrotta poco prima del termine.

Riprendere un’esecuzione locale interrotta

Riavvia l'attività

Apri l’esecuzione locale interrotta oppure avvia la stessa attività dalla lista delle attività.

Scegli Resume

Seleziona Resume per ripristinare l’esecuzione precedente. Scegli Re-collect quando vuoi scartare intenzionalmente il progresso salvato ed eseguire l’attività dall’inizio.

Attendi il ripristino del progresso

Octoparse può ripercorrere la navigazione tra le pagine o alcune azioni del Flusso di lavoro prima di raggiungere la posizione registrata. Il runner indica quando sta ripristinando il progresso e quando il punto di controllo è stato raggiunto.

Verifica l'esecuzione completata

Al termine dell’estrazione rimanente, controlla il numero di righe prodotte e alcuni record attorno al punto di interruzione. Verifica che il set di dati finale copra gli input previsti, senza record mancanti o duplicati imprevisti.

Quando un punto di controllo non è utilizzabile

Un punto di controllo rappresenta una configurazione di attività e un’esecuzione specifiche. Octoparse lo convalida prima della ripresa, così il progresso salvato non viene applicato a un’attività incompatibile. Può essere necessario raccogliere di nuovo quando:

L’attività o i suoi URL di input sono stati modificati dopo la creazione del punto di controllo
Il punto di controllo è assente, danneggiato o non associabile al Flusso di lavoro corrente
Il progresso salvato proviene da una diversa modalità di esecuzione locale
L’esecuzione precedente è terminata correttamente e non ha lavoro residuo
Parte un’esecuzione locale programmata: le esecuzioni programmate ripartono da zero invece di attendere una decisione sulla ripresa

Se la convalida non riesce, Octoparse segnala il punto di controllo come non disponibile e propone una nuova esecuzione, invece di proseguire in silenzio da una posizione incerta.

I punti di controllo vengono salvati con l’esecuzione locale sul desktop. Riprendi l’attività nello stesso ambiente desktop di Octoparse in cui il progresso è stato registrato.