部署方便，只需要在主机上执行程序和在从机上执行程序即可。 可以配置在windows或linux系统上，爬虫机之间只需要网络和主机保持连通，不需要在同一局域网。

可以调度各种语言生成的可执行小爬虫程序，只需要输入输出满足设计要求即可。开发者可以自由地开发扩展程序。

使用一个模块进行收集数据，该模块只需要简单的开发工作以适配各种需求。 现在已有制作好的普通文件收集模块、写入HDFS、写入HBase、写入MYSQL等收集模块可选用。

包含丰富的预定义的任务，如对于指定URL列表进行抓取、抓取全站、抓取微博用户信息、微博搜索等。 甚至包括一些特殊的任务，如自动更换代理进行抓取等。

从机的当机不影响任务的完成，只需要重新在从机上启动即可使其继续工作。而主机拥有自动存档机制，可以在故障后通过读档使系统继续正常运行。

支持定义任务优先级，即可以立刻分配一个高优先级的任务以促使系统优先对其进行处理。

包含两部分针对防屏蔽的措施:系统上，系统支持爬虫机对指定网站域名的等待机制，在发现屏蔽后会启动等待而不会无休止地尝试以导致更严重的屏蔽；在爬虫程序包上，有预配置的程序包可以实现自动检测被屏蔽

通常有严格的集群要求，需要在同一局域网网段内，为相同的linux系统，并且ssh互通。

通常对扩展程序有严格的语言要求，类要求。如必须使用java语言且必须重载一个指定类。 一旦需要利用一些其他语言的解析器，实现非常困难。

通常与HDFS等分布式文件系统紧密集成，数据直接写到分布式文件系统上。

通常少，需要对特殊任务进行开发。

只有部分系统有完善的故障恢复机制，而且故障后的重新启动过程通常需要经验丰富的维护人员进行。

只有部分系统支持任务优先级，任务插队等。

通常只用于友好的爬取等，没有完善的防屏蔽策略和措施。不支持恶意抓取。