qq：800819103
在线客服，实时响应
qq群
在线客服，实时响应
客服电话
13318873961使用高质量代理ip设计分布式爬虫的一些思路！假如不用代理ip，爬虫业务必定无路可行，因此大部分爬虫工作者都会去购买安全稳定的代理ip。使用了高质量的代理ip后，会不会就能够无后顾之忧了呢？这个可不会这么容易，还要改进方案，有效分配资源，提升工作效率，又快速又稳定又高效的完成爬虫。
方案一、每个进程从接口API中随机取一个IP列表来反复使用，失效后再调用API获取，大致逻辑是这样：
1、每个进程，从接口随机取回一批ip回来，反复试着ip目录去抓取数据；
2、要是访问成功，则继续抓取下一条。
3、要是失败了，再从接口取一批IP，继续尝试。
方案弊端：每个IP都是有期限的，要是提取了一百个，用到第二十个时，或许剩下的大多数都无法使用了。要是设置HTTP请求时连接时间超时是3秒，读取时间超时是5秒，那么或许会耗费3-8秒的时间，在这3-8秒内可能抓取了几百次了。
方案二：每个进程从接口API中随机取一个IP来使用，失败则再调用API获取一个IP，大致逻辑如下：
1、每个进程，从接口随机取回一个ip来，用这个ip来浏览资源，
2、要是访问成功，则继续抓下一条。
3、要是失败了，再从接口随机取一个IP，继续尝试。
方案缺点：调用API获取IP的行为非常频繁，会对代理服务器造成特别大的压力，影响API接口稳定，可能会被限制提取。这类方案也不适合，无法持久稳定的运行。
方案三：先提取大量IP导入本地数据库，从数据库里面取IP，大致逻辑如下：
1、在数据库里面建一个表，写一个导入脚本，每分钟请求多少次API（黑洞代理ip），把IP列表导入到数据库里面。
2、在数据库里面记录好 导入时间、IP、Port、过期时间、IP可用状态 等字段；
3、写一个抓取脚本，抓取脚本从数据库里面读取可用IP，每个进程从数据库获取一个IP进行使用。
4、执行抓取，对结果进行判断，处理cookie等，只要出现验证码或者失败就放弃这个IP，重新换一个IP。
这种方案有效的避开了代理服务器资源的消耗，有效的分配代理IP的使用，更加的高效和稳定，保障了爬虫工作的持久性和稳定性。
相关文章内容简介
1 使用高质量代理ip设计分布式爬虫的一些思路
∵ ∵ ∵ 使用高质量代理ip设计分布式爬虫的一些思路！假如不用代理ip，爬虫业务必定无路可行，因此大部分爬虫工作者都会去购买安全稳定的代理ip。使用了高质量的代理ip后，会不会就能够无后顾之忧了呢？这个可不会这么容易，还要改进方案，有效分配资源，提升工作效率，又快速又稳定又高效的完成爬虫。 方案一、每个进程从接口API中随机取一个... [阅读全文]
最新标签
推荐阅读
09
2019-07
租用国内代理ip要考虑几点？
我们知道互联网营销的业务中，经常会用到代理IP，最常见的有投票、抢购、注册等，其实发帖也是可以应用到的，例如在某论坛发帖，经常操作可能会被网站系统限定，提示限定发帖子，就是I
20
2019-02
判断我们使用的IP是否公网IP
大家都知道，我们现在使用的是IPV4协议IP地址早已经分配完了，这IP地址不够分配，很多人使用的都是内网IP，动态IP，当然也有些是使用公网IP的，但比较少，那么如何知道我们使用的是什么IP
10
2019-04
免费IP代理真的“免费”吗？
有了它之后，电脑浏览器并不是立即到Web网络服务器去取回网页而是向代理服务器发出请求，Request信号会先送到代理服务器，由代理服务器来取回浏览器所须要的信息内容并传输给你的电脑浏
21
2019-04
代理ip不可用的原因可能有哪些呢？
代理ip不可用的原因可能有哪些呢？代理ip可以给日常的工作生活带来很多便利之处，但是有的时候使用代理ip之后，会发现代理ip没有什么作用，那么造成失败的可能原因有哪些呢？
热门文章
