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. 18

    2019-03

    黑洞http代理:如何跳出“大数据杀熟”怪圈

    ​过去半年内里,上海12345市民服务热线的统计数据显示,投诉大数据“杀熟”的案件共4起,“变相涨价”案件达101件。在生活服务类电商日益发达的今天,大数据“杀熟”一直是网友热议的话

  2. 05

    2019-11

    互联网高匿http代理如何有效保护用户?

    现代人都很注重隐私,市场就出现了代理ip,对于当代互联网生活中,能够提供 代理IP 的网站和软件很多,是个比较合适的选择,有着海量高质量 HTTP代理 IP,有着高匿名性和安全性,可以有效

  3. 30

    2019-10

    ip池对代理i有多重要?

    代理ip入侵人们的生活工作,代理ip也被广泛使用,市场需求也是逐渐增加,如何选择一家ip资源丰富的代理服务平台,大家知道在百度搜索引擎输入“代理ip”将会出现很多,丰富的ip资源是选

  4. 08

    2019-05

    黑洞代理IP与其他代理服务的区别

    黑洞代理在竞争对手中脱颖而出,成为企业快速,可靠,优质且经济高效的代理网络。它使用高匿代理IP使用户能够立即访问几乎任何站点,而不会被阻止或接收不正确的信息。下面就是黑洞代

  5. 20

    2019-11

    工作中常用到的代理ip是哪些?

    代理在功能和协议上分为很多种,根据各个人的需求不同分为不同,,其中ip代理其实也是代理的一种,ip加速器是通过IP服务器代理的形式达到全球服网游加速,公司内部系统的访问连接,及

  6. 25

    2019-03

    网络爬虫之用python获取免费代理IP

    对我们一般用户而言, 爬虫是个很好的工具, 利用它可以方便的快速的获取想要的信息。 但对于网站而言, 网络爬虫占用了太多的资源, 也没可能从这些爬虫获取点击量增加广告收入, 所以