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. 13

    2019-07

    多账号注册用代理ip可以吗?

    很多用户在注册账号时都遇到IP受限问题,这是目标网站为了防止用户恶意注册达到某种目的的限制。这种限制除了影响了恶意注册用户,也影响了一些有多账号操作需求的常规用户,对此该怎

  2. 23

    2019-07

    HTTP代理IP怎么使用?

    在很多时候,由于互联网的各种限制,导致我们在访问网站时经常受限,它的表现可能是无法打开网页、注册不成功、无法登陆账号等。在这种情况下我们可以通过使用http代理ip来解决,下面我

  3. 18

    2019-03

    新手如何自学大数据,代理IP能帮你!

    现在的大数据开发人员很是吃香想必很多人都知道,因此学习大数据的人在不断的增加,但是学习大数据的方式也各有选择,有的人选择参加大数据培训让老师教导,有的人选择自学大数据,也

  4. 10

    2019-10

    使用代理IP的正确方法

    如今网络,各行各业或多或少都用得上代理IP,它可以帮你收集竞争对手资料,让你在商业之战中知己知彼百战不殆;它可以帮你快速推广产品,让用户对其耳熟能详;网络爬虫还能通过它采集

  5. 23

    2019-05

    https代理是怎么样进行的

    我们上网的时候,有时候需要用到https代理,这个时候,就需要选择合适的服务商。在选择服务商的时候,我们可以去网络上选择服务商。如果在网络上选择服务商的话,我们需要先查询相关的

  6. 11

    2019-05

    IP代理软件简介

    所为IP代理软件,就是像生活中的代理商一样,你需要的数据用它在别的机器上下载你所需要的数据,信息等等,然后保存在这个软件中,再用这个软件传输到你所需要的工作机器中,这就是I