IP代理软件,http代理,API提取-黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > HTTP代理 > 正文

通过代理ip进行分布式爬虫的几种方案

发布时间:2019年04月22日 来源:互联网

  通过代理ip进行分布式爬虫的几种方案?我们都知道,为了更高效地进行数据抓取,我们需要使用爬虫代理ip,假如不用代理ip,爬虫业务必定无路可行,因此大部分爬虫采集公司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,事实上被追踪、被反爬,不单纯是代理ip的问题,还需要考虑方方面面的东西,还要改进爬虫代理方案,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。


通过代理ip进行分布式爬虫的几种方案


  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(咨询代理IP服务商建议)以黑洞为例,单次提取数量在200个IP,间隔最快1秒,也就是说1分钟最快可以请求60次,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。黑洞ip代理使用稳定可靠,IP资源丰富,支持免费测试,建议大家可以测试一下。


相关文章内容简介

1 通过代理ip进行分布式爬虫的几种方案

  通过代理ip进行分布式爬虫的几种方案?我们都知道,为了更高效地进行数据抓取,我们需要使用爬虫代理ip,假如不用代理ip,爬虫业务必定无路可行,因此大部分爬虫采集公司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,事实上被追踪、被反爬,不单纯是代理ip的问题,还需要考虑方方面面的东西,还要改进爬虫代理方案,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 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 17

    2019-05

    用python爬虫建立免费ip代理池

    用爬虫的小伙伴,肯定经常遇到ip被封的情况,而现在网络上的爬虫代理ip免费的已经很难找了,那么现在就用python的requests库从各种提供免费代理ip的网站上爬取代理ip,创建一个ip代理池,以备使用

  2. 24

    2019-05

    高匿代理ip是什么意思?

    高匿代理与透明代理是相对的,而相对普通的匿名代理而言,高匿代理则对受访者显得更为隐秘。三者中从隐藏使用代理者身份的级别依次为高度匿名代理最隐蔽,其次是普通匿名代理,最差的

  3. 10

    2019-06

    HTTP代理哪家好

    现在大多数网络营销工作人员都喜欢使用代理IP,HTTP代理深受用户们的喜爱,在现在这么巨大的代理IP市场中,有没有哪家代理IP是稳定极速的,或者说在这么多平台面前,我们该选择哪家呢?

  4. 25

    2019-11

    HTTP协议和http代理ip有什么关联?

    http协议在网络中是一个重要的环节,它影响着浏览器、爬虫、代理服务器还对防火墙、CND、微服务等多方便有着不小的影响。

  5. 17

    2019-07

    代理IP常见的设置方法

    爬虫程序就是就是访问网页的时候,进行数据抓取,很多网站都有反爬虫技术,当服务器侦查到有爬虫操作,就会对其进行限制封IP。很多用户是自己写的爬虫程序,爬虫的工作量巨大,没有代

  6. 23

    2019-05

    私密代理ip为隐私保驾护航

    使用者在使用代理IP时,隐私安全是无法得到保障的,而这也成为限制代理ip发展的一个主要愿意,针对这一问题,黑洞HTTP首先提出了一个解决办法,那就是私密代理ip。