自己搭建的百万级爬虫代理IP池,老板给我加薪了

近期自己搭建了百万级爬虫代理IP池，老板给我加薪了，每天吃嘎嘎香。

做爬虫抓取时，我们经常会碰到网站针对IP地址封锁的反爬虫策略。但只要有大量可用的代理IP资源，问题自然迎刃而解。

以前尝试过自己抓取网络上免费代理IP来搭建代理池，可免费IP质量参差不齐，不仅资源少、速度慢，而且失效快，满足不了快速密集抓取的需求。

收费代理提供的代理资源质量明显提升，经过多家测试，最终选定使用代理IP池。

高匿代理ip才可以真正用来防止爬虫被封锁，如果使用普通代理，爬虫的真实IP还是会暴露。

搭建思路

找寻大量的代理服务器资源，主要考虑如何将这些服务器分配给爬虫服务器使用。最初的想法是使用Redis作为代理服务器资源队列，一个程序自动获取星星代理API提供的代理，验证可用后push到Redis里，每个程序再从Redis中pop一个代理进行抓取，但这样的缺点是不太好控制每台爬虫服务器的代理质量，有的代理速度快，有的速度比较慢，影响抓取效率，其次就是需要自行维护一套代理验证、分配的程序，增加了代码量，不便后期维护。

为了解决这些问题，我想到可以使用Squid提供的父代理功能，自动将爬虫服务器的请求转发给代理服务器。Squid提供了自动轮询功能，自动验证并剔除不可用的代理。减少了我们多余的验证步骤。

爬虫软件只需将代理设置为Squid服务器即可，不需要每次重新设置为其他的代理服务器。

这套方案明显减少了工作量，提高了易用性和可维护性。

实现过程

1.首先获取代理平台提供的代理服务器资源

o建议购买短效代理，购买后在后台获取API地址并设置IP白名单等参数

2.将获取到的代理服务器