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(黑洞代理可提供动态vps),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IP列... [阅读全文]
最新标签
推荐阅读
21
2019-05
代理IP为什么要通过服务器验证才能使用?
14
2018-12
刷单用动态IP还是代理IP好?怎么刷?
现在刷单风气盛,别人刷,你不刷,会影响销量,因此即使有风险,大部分人还是选择刷单的,那么刷单使用什么工具好呢?刷单用动态IP还是代理IP好?
13
2019-04
黑洞代理的动态ip,为您的信息安全持续护航
我们的社会发展速度越来越快,也逐渐与信息时代接轨,互联网的发展也越来越多样化,而且现在每个人的个人信息基本都能在网络上找到,所以跟多人也担心自己的个人信息遭到泄露,而保护
03
2018-12
SOCKS5代理有什么用?SOCKS4和SOCKS5有什么不同?
SOCKS代理分SOCKS4和SOCKS5,这二者有什么不同呢?SOCKS5代理有什么用?由于SOCKS代理只是传递数据包,所有比其他应用层代理要快得多。那么SOCKS代理和HTTP代理有什么区别?
热门文章