Basic認証をかける

全世界に公開するものではないので、RackのミドルウェアでBasic認証をかけた。

config/environments/production.rb の一番下あたりにこれを追加して、

  config.middleware.use '::Rack::Auth::Basic' do |u, p|
    [u, p] == [ENV['HTTP_USER'], ENV['HTTP_PASSWORD']]
  end

Herokuの環境変数設定で HTTP_USER と HTTP_PASSWORD という環境変数をセットする。

crawlerを起動する

これだけだとまだクローラーのプロセスが動いていない（Procfileにはcrawlerというプロセス定義があるけど、Herokuのがデフォで動かしてくれるのはworkerのため）。

crawlerを常時起動してしまうとwebとcrawlerで2プロセスになってお金がかかってしまうので、process-schedulerというのでこんなふうに夜の1時間だけクローラーをまわしていた。ギリギリ月々750 Dyno Hoursにおさまるらしい。

自分の利用頻度的にはこれで十分なのだけど、この方法は結局やめることにした。（後述）

NewRelicで監視

Herokuは1時間アクセスが無いとウェブのプロセスがスリープさせられてしまうので、NewRelicのAvailability Monitoringという機能を使って定期的にリクエストを飛ばすことにした。元ネタ

https://addons.heroku.com/newrelic ここからNewRelicのStarkという無料のやつを追加し、
説明に従ってAPIキーの入った config/newrelic.yml と newrelic_rpm gemを git add し、
NewRelicのサイドバーのAvailability monitoringというところから監視するURLを設定する

これで指定したURLに30秒に1回ぐらいリクエストしてくれるので、スリープにならなくなる。

NewRelicは401 Authentication Requiredでも落ちてないと判断するらしい。

せっかくなのでNewRelicからリクエストされるたびにクローラーを走らせる

これで24時間クローラーを動かすことができる。

クローラーの実体は lib/fastladder/crawler.rb にあるけど、10秒ぐらいだけクロールして死んでくれるオプションが無いみたいなので、こんなメソッドを作り、

lib/fastladder/crawler.rb

    def run_with_timeout(timeout)
      @interval = 0
      start = Time.now
      finish = false
      until finish
        finish = run_loop
        break if Time.now - start >= timeout
      end
    end

Railsのルーティングを追加するのが面倒だったので、Rack Middlewareを作って、

./app/middleware/crawl.rb

class Crawl
  def initialize(app, opts = {})
    @app
    @opts = opts
  end

  def call(env)
    request = Rack::Request.new(env)
    if request.path != @opts[:path]
      return @app.call(env)
    end

    Fastladder::Crawler.new(@opts[:logger]).run_with_timeout(@opts[:timeout])

    [200, {}, ["ok"]]
  end
end

config/environments/production.rb のBasic認証を追加したところのすぐ上にこれを書いた。

config/environments/production.rb

  config.middleware.use 'Crawl', {timeout: 10, path: '/my_secret_crawl_url', logger: Logger.new(STDOUT)}

Basic認証より前じゃないとだめ。

最後にNewRelicの画面でリクエストしてもらうURLを変えておく。

HerokuでFastladderを無料で使えるか

実際のところ、厳しそう。

Postgresの無料枠が1万行までで、DBのほとんどが記事レコードなので、200アイテムx50フィードぐらいでいっぱいになる。月9ドル払って100万行プランにするのが妥当ではないかと思う。

ちなみに古いアイテムを削除するコードは無いみたいなので（特殊ケースを除く）、気が向いたら各フィード200アイテムより前のものを消せばよいかもしれない。