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. 28

    2019-04

    爬虫如何通过动态VPS被封锁?(二)

    网站封的依据一般是单位时间内特定IP的访问次数.将采集的任务按 目标站点的IP进行分组通过控制每个IP 在单位时间内发出任务的个数,来避免被封.当然,这个前题是采集很多网站.如果只

  2. 27

    2019-06

    代理IP如何采集庞大数据

    互联网中,IP的作用至关重要。IP地址是指互联网协议地址,简单的说就是互联网分配给网络设备的门牌号,为了网络中的计算机能够互相访问,并且知道对方是谁。很多时候当我们想要保护自

  3. 03

    2019-04

    为什么使用代理IP后不能上网了?

    在使用完代理服务器之后,有的用户可能会遇到这样的问题:明明网络正常,为什么我的浏览器不能打开网页了?今天黑洞HTTP代理就给大家说下具体解决方法。这里我们以IE浏览器为例:

  4. 13

    2019-11

    采集数据不用代理IP会怎么样?

    采集数据不用代理IP会怎么样?很多做个人网站的人几乎都离不开一种工具那就是采集软件。因为个人的经历有限无法自己写出几千几万,甚至几十万字的文章,而如果花钱请人写,那代价又比

  5. 09

    2019-07

    使用代理ip给生活工作带来什么好处?

    隐藏自己的真实地址信息,还可隐藏自己的IP,防止被黑客攻击。

  6. 11

    2019-11

    代理ip可以防止游戏账号和IP被封吗?

    如何防止游戏账号和IP被封?有七种封号及防封解决方案: