update: hongkong redis_keys;

data_stream/organ/health_commission.md

+# **基本信息**
+```buildoutcfg
+卫健委爬虫
+health_commission
+
+[项目文档指引](http://tech.pingansec.com/granite/project-gravel/-/tree/develop_health_commission/scrapy_spiders)
+```
+
+
+## 数据名称（中文）
+<!-- 该项数据的中文标准名称，后续沟通交流使用的规范名称，如：工商公示股东信息、失信被执行人、一般纳税人等-->
+### 
+```buildoutcfg
+卫健委
+```
+
+## 数据英文名称
+<!--英文名称，后续流程中所有涉及到英文名称均以此为准，如：partner、shixin、general_taxpayer等-->
+```buildoutcfg
+health_commission
+```
+
+## 采集网站（采集入口）
+<!--采集的入口地址，不能只是一个网站域名，具体到该网站的数据入口-->
+```buildoutcfg
+官网PC端入口: http://zgcx.nhc.gov.cn:9090/unit
+
+采集文件存放路径：
+/data/gravel_spiders/health_commission
+```
+
+
+## 采集频率及采集策略
+<!--说明该项数据更新频率，存量数据的更新频率及策略、新增数据的采集频率及策略-->
+
+### 存量更新策略
+<!--无需更新？每天全量更新？逐条轮询更新？多久更新完一轮？或其他-->
+```buildoutcfg
+初次: QCC表任务
+```
+
+
+### 增量采集策略
+<!--新增数据怎么来？无需单独采集新增数据？-->
+```buildoutcfg
+```
+
+---
+
+# **爬虫**
+```buildoutcfg
+卫健委 health_commission
+```
+
+
+## 责任人
+```buildoutcfg
+蒋家升
+```
+
+## 爬虫名称
+```buildoutcfg
+health_commission
+```
+
+<!--spider_name-->
+
+## 代码地址
+```buildoutcfg
+项目地址: http://tech.pingansec.com/granite/project-gravel/-/tree/develop_health_commission/
+```
+
+## 队列名称及队列地址
+<!--redis host port db key 优先级说明-->
+-
+* redis url: redis://:utn@0818@bdp-mq-001.redis.rds.aliyuncs.com:6379/7
+
+* redis port: 6379
+* redis db: 7
+* redis key: 
+    * health_commission
+
+### 优先级队列说明
+* health_commission 支持队列优先级
+
+## 任务来源
+<!--说明爬虫任务的输入。如：来自某个数据库表等。如果来自某个数据库表则应该简要说明该表内的数据是如何维护的。-->
+```buildoutcfg
+初次: QCC表任务
+```
+
+## 任务输入参数（样例）  其中`company_name`必需，`province`在`company_name`中能明显获取省份的情况下可以非必须
+```json
+{"company_name": "北京市顺义区龙湾屯镇社区卫生服务中心大北坞社区卫生服务站", "province": "北京市"}
+{"company_name": "五味堂健康管理（梅州）有限公司五味堂诊所", "province": "广东省"}
+```
+
+### 任务样例
+<!--注意是爬虫拿到的完整任务，而不仅仅是task_params-->
+```buildoutcfg
+同上
+```
+
+### 任务参数说明
+<!--特有参数说明，通用参数比如spider_name,task_params,task_src,task_result等不需说明-->
+```json
+{
+  "company_name": "五味堂健康管理（梅州）有限公司五味堂诊所",  # 公司名/搜索关键字
+  "province": "广东省"                                  # 所属省份级别
+}
+```
+
+## data_type说明
+<!--可能产生的data_type说明-->
+```buildoutcfg
+detail: 详情信息
+```
+
+## 爬虫结果的超级数据
+<!--包含所有字段的json数据，每个value都要有样例值-->
+```json
+{
+  "data":
+  {
+    "company_name": "五味堂健康管理（梅州）有限公司五味堂诊所",
+    "province": "广东省",
+    "authority": "梅州市梅江区卫生健康局",                     # 审批机关
+    "login_code": "PDY11600444140217D2112",                # 登记号
+    "adress": "梅州市梅江区江北碧桂园天麓商铺C23号店（复式）",
+    "medical_departments": "内科  //儿科  //中医科******",    # 诊疗科目
+    "level": "未定级",                                      # 级别
+    "legal_person": "江算英",                               # 法人
+    "principal": "唐芳",                                    # 负责人
+    "validity_period": "2019/8/26-至-2024/8/25"            # 执业许可证有效期
+  },
+  "http_code": 200,
+  "error_msg": "",
+  "task_result": 1000,
+  "data_type": "detail",
+  "spider_start_time": "2022-05-17 21:10:04",
+  "spider_end_time": "2022-05-17 21:10:16",
+  "task_params":
+  {
+    "company_name": "五味堂健康管理（梅州）有限公司五味堂诊所",
+    "province": "广东省"
+  },
+  "metadata": {},
+  "spider_name": "health_commission",
+  "spider_ip": "10.8.6.51"
+}
+```
+
+## 实际爬虫结果的数据结构
+<!--可能与超级数据一致，可能不同的data_type的爬虫结果结构不同，超级数据是把所有data_type的结果组合在一起-->
+```json
+同上
+```
+
+## 爬虫运行环境
+<!--udm模块？scrapy？或其他-->
+```buildoutcfg
+scrapy
+```
+
+
+## 爬虫部署信息
+<!--部署在哪些机器？每个机器多少进程？项目名称是什么？-->
+```buildoutcfg
+target: 10.8.6.51
+spider_name: health_commission 
+5个进程  
+```
+
+
+## Taskhub相关
+### 任务提交
+> 提交任务地址: http://10.8.6.222:18518/task/
+
+> 任务提交示例: `curl -L -X POST 'http://10.8.6.222:8526/task/' -H 'Content-Type: application/json' --data-raw '{"spider_name": "health_commission","company_name": "五味堂诊所", "province": "广东省"}'` <br>
+相当于task_params再加入`"spider_name": "health_commission"`
+
+
+## Taskhub重试调度规则说明
+```buildoutcfg
+task_result=1000    # 正常获取到详情任务
+task_result=1101    # 无结果信息
+task_result=9101    # 超时错误，需要进行重试，目前重试5次
+task_result=8000    # 参数错误
+```
+
+
+## 爬虫监控指标设计
+<!--监控爬虫正常运行的指标是什么？报警规则是什么？-->
+```buildoutcfg
+(先观察，待补充)
+索引: 
+监控频率: 
+监控起止时间: 
+报警条件: 
+报警群:  
+报警内容: 
+
+```
+
+---
+
+# **数据归集**
+
+## 责任人
+```html
+```
+
+
+## 数据归集方式
+
+- [ ] 爬虫直接写kafka
+
+- [ ] 爬虫写文件logstash采集
+
+## 爬虫结果目录
+```html
+```
+
+## 归集后存放目录
+```html
+```
+
+## logstash配置文件名称
+```html
+```
+
+## logstash文件采集type
+```html
+```
+
+## 数据归集的topic
+```
+topic_id => ""
+```
+
+## ES日志索引及筛选条件
+```html
+```
+
+## 监控指标看板
+
+## 数据保留策略
+
+---
+
+# **数据清洗**
+
+## 责任人
+
+
+## 代码地址
+
+
+## 部署地址
+<!--机器及线上代码地址-->
+
+
+## 部署方法及说明
+<!--运行方法及运行命令、supervisor配置、supervisor的program等-->
+- [ ] crontab + data_pump
+- [ ] supervisor + data_pump
+- [ ] supervisor + consumer
+
+## 数据接收来源
+<!--来源于kafka还是归集的文件、topic的group？-->
+
+
+## 数据存储表地址
+
+* 数据库地址：
+* 表名：
\ No newline at end of file