爬虫代理调研

[TOC]

概述

关于爬虫代理,通常有以下几个问题:

  • 怎么选择爬虫代理方案?
  • 目前爬虫服务产商众多,怎么选择服务商?
  • 如何评估爬虫代理的服务质量?

目前选了几家服务商进行对比:主要有阿里云,阿布云代理,开心代理,快代理,大象代理

爬虫代理考虑的几个核心参数

  • ip来源:最好是民用ip, 非机房,非IDC ip
  • ip数量
  • ip可持续代理的时间
  • 代理支持的并发数量:20(考虑到业务稳定性的最低值,如果爬虫分时间段进行爬取,并发数量可以选择更低)
  • 稳定性
  • 上下文依赖需求(需要较长ip可用时间)

各大代理平台的参数对比

参数 阿布云 开心代理 快代理 大象代理
请求并发数量 最高100并发 10 同一域名下2个并发请求,最高也是2个 未知(通过提取ip需要自己筛选出可用的ip)
稳定性 稳定 稳定 除了私密代理是相对稳定的 渣渣
ip来源 非idc,非机房 adsl拨号,家庭ip 阿里云,腾讯云,以及其他idc产商 全部的ip都是网络上扫来的
ip数量 50万 8万 3000+ 未知
ip可持续代理时间 1分钟 2分钟(过期要自己维护管理) 私密代理不超过1分钟,其他套餐的不超过10秒 看运气
api使用方式 使用一个代理地址,阿布云端只能转发,无须频繁更换代理服务器地址和端口号,方便快捷 通过api提取ip列表,筛选 通过api提取ip列表,筛选 通过api提取ip列表,筛选

链接:

  • 阿布云代理: https://www.abuyun.com/
  • 开心代理: http://www.kxdaili.com/ActiveProxy.html
  • 快代理: http://www.kuaidaili.com
  • 大象代理: http://www.daxiangdaili.com

资费预算对比

阿里云vps套餐

实例 每台实例价格(元/月) 预算(元/月)
50 68 3400

阿布云套餐

套餐 套餐价格(元/月) 预算(元/月)
动态版/20并发 1719 1719
动态版/30并发 2536 2536
专业版/30并发 787.5 787.5
专业版/50并发 1113.25 1113.25

动态版与专业版的区别是:动态版的每个请求都是不同ip,专业版是每个ip使用一分钟时间。超时后阿布云端自动切换ip不会返回错误

开心代理套餐

套餐 套餐价格(元/月) 预算(元/月)
动态代理包天/10并发 30 1719
动态代理包月/10并发 490 490
动态代理包年/10并发 2450 2450

稳定性测试

主要关键指标

  1. 高并发时连接的稳定性
  2. 较长周期内(目前测试一个月)的稳定性
  3. ip切换时对业务的影响
  4. 高并发服务方的带宽是否hold住

高并发时连接的稳定性——测试

进程:4 线程:16 场景:图片下载,测试时间半小时,失败概率个位数

较长周期内(目前测试一个月)的稳定性——测试

之前采购的阿布云专业版20线程(5.24-6.23),已经在爬虫中使用 稳定性 > 阿里云自建的vps

ip 切换对业务的影响

  • 每个ip的有效时长,阿布云官网称1分钟,分两种情况
    • 在session有效时长的1分钟内,爬虫是否能完成爬取:爬虫的session场景一般不超过30秒,如果session在有效时长内未完成,爬虫也有重试机制影响不大。
    • ip切换时,如果有连接还未完成,将会连接超时,爬虫必须重试,对业务影响不大

带宽限制

目前测试带宽没遇到问题,网速也很快

你可能感兴趣的:(爬虫代理调研)