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. 07

    2019-06

    国内高速代理IP哪里可以下载?

    在我们的生活工作中常常会使用到网络,代理IP也越来越受到人们的欢迎,特别是对于一些专业的网络营销人员来说,这种代理是他们生活工作必不可少的工具。就如同我们平时上网一样,使用

  2. 04

    2019-09

    独享代理IP有什么优势?

    扫描公网代理与独享ip代理质量区别,许多人都不知道ip代理与ip代理之间是有区别的,因为其ip资源来源不同。如果你的ip代理经常用着就不行了,那么你就要看看你使用的是否是扫描公网代理

  3. 21

    2019-09

    代理服务器ip可以用来做什么

    代理,也称网络代理,是一种特殊的网络服务,允许一个网络终端(一般为客户端)通过这个服务与另一个网络终端(一般为服务器)进行非直接的连接。一些网关、路由器等网络设备具备网络代理

  4. 15

    2019-10

    如何自动快速换IP?

    随着网络的发展,很多工作及生活都离不开网络。换IP是很多工作者都会遇到的问题,由于IP限制,只有换IP才能继续访问或者发帖。拿爬虫工作来说,换IP是必须的,但手动更换IP还是会比较麻

  5. 06

    2019-08

    现代代理ip服务器用途

    如何设置代理服务器,怎么使用 IP 代理服务器上网呢,很多网友探讨这个问题,想必是因为工作原因吧,虽然正常上网一般用不到代理,但是看自己需求吧,今天说的代理上网不是网上说的翻

  6. 30

    2019-10

    国内哪个高匿代理ip好用?

    代理ip在现时代存在的意义已经不是单纯的换IP,代理IP软件是可以提供固定或者动态IP的工具,可以解决很多IP限制问题,例如爬虫工作、IP被封等等。现在国内代理IP软件有很多,那么,国内哪