![](/index/img/qc-side/indexLogo4.png)
qq:800819103
在线客服,实时响应![](/index/img/qc-side/indexLogo5.png)
qq群
在线客服,实时响应![](/index/img/qc-side/indexLogo6.png)
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
19
2019-02
无线网络怎么设置静态IP?图文介绍两种设置方法
使用动态IP容易导致IP冲突,连接也稍慢一点,是否能设置为静态IP地址使用呢?下面给大家介绍下无线网络怎么设置静态IP。
23
2019-04
动态ip解析相关理论
一说到动态ip,可能大多数人并不知道它是个什么玩意儿,也并不知道它究竟是拿来干嘛的。其实动态ip是我们经常都可以接触到的,那就是在你每次打开电脑,上网时。动态ip是相对于静态ip而
23
2019-07
IP限制怎么办和代理IP如何使用
可以用HTTP代理IP来注册账号。首先在网上搜“代理IP”“HTTP代理IP”,然后仔细查看使用办法,并按照使用办法代理浏览器IP。使用HTTP代理IP可以伪装本地IP,当你用HTTP代理IP再次访问目标网站时
05
2019-06
服务器如何设置代理ip?
浏览网页网上购物的时候经常会使用到代理IP,关于代理IP 的用途大家都知道,也知道怎么去找代理IP ,那么找到合适的代理IP之后,服务器将怎样设置才能使用代理IP 呢,这里为大家讲一下服
热门文章