这是一个创建于 2556 天前的主题，其中的信息可能已经有所发展或是发生改变。
根据我后台的数据统计，谷歌的爬虫保守估计一天请求了我的网站 3 万次。
这还不算其他的一些搜索引擎的请求（ yandex 之类的）。
这个数据正常吗？
如果一个恶意爬虫，user-agent 冒充是 Google。这个有办法识别吗？
下面晒一下昨天又拍云的费用账单，光是欧美的动态资源加速费用就 1.64 元（我是大陆中文网站哪会有欧美的用户？）。加上 https 加速和 cdn 流量费用是 2 元多。按这个标准，每个月我要付费 60 多块钱给欧美的爬虫！
我的真实 PV 才 3000 啊（百度统计的数据）。每日动态资源请求次数居然可以有 8 万，你敢信？
所以现在是要限制一下谷歌爬虫的请求频率？这个谷歌官方应该有设置。
我想求教大家的是：
-
如何准确的区分真实搜索引擎，和恶意爬虫？（ user-agent 判断貌似不靠谱）
-
如何更好的反爬虫？判断一个 IP1 分钟、1 小时、1 天内的请求次数？
-
更关键的是：我想求教大牛：有没有真实案例自己网站日均 PV10 万+的？开 HTTPS 的情况下，这样的网站一个月的 CDN、流量费用要多少钱呢？（ HTTPS 的 CDN 请求也要钱的！阿里云和又拍云的价格是：1 万次 0.05 元）
 |
1
yulgang 2017-11-22 17:40:13 +08:00  1
更改 Googlebot 抓取速度
https://support.google.com/webmasters/answer/48620?hl=zh-Hans |
 |
2
Zzzzzzzzz 2017-11-22 17:54:34 +08:00
robots 里设 Crawl-delay, 但几大厂流氓起来也有可能不管这个
判断是否爬虫也没什么好办法, 理论上可以反查 IP 的 PTR, 几大搜索引擎的爬虫一般都有注明， 但是搜索引擎为了防止作弊， 都有一些标称 IP 段外的 IP 做随机访问, 大规模针对性输出的反而可能有反效果 所以, 硬扛吧 |
 |
3
kaer 2017-11-22 18:09:44 +08:00
日 PV 22 万左右 服务器费用加 CDN 费用 每月接近 7K-10k
|
 |
4
kungfuchicken 2017-11-22 18:25:33 +08:00
其实，你可以换一家动态加速不要钱的就解决啦
|
 |
5
paranoiagu 2017-11-22 19:14:39 +08:00 via Android 1
没有国外用户，你可以关了国外加速。
|
 |
6
0ZXYDDu796nVCFxq 2017-11-22 19:19:41 +08:00 via iPhone
IP 贴出来啊，如果我是恶意爬虫，我也肯定用 Google 或者百度的 UA
|
 |
7
Le4fun 2017-11-22 19:52:26 +08:00
国外用户是不是部分人开了梯子没关访问你的网站
|
 |
8
yytsjq 2017-11-22 19:56:48 +08:00 5
验证 Googlebot
https://support.google.com/webmasters/answer/80553?hl=zh-Hans 要验证 Googlebot 是否为调用方，请执行以下操作： 1. 使用 host 命令对您日志中访问服务器的 IP 地址运行反向 DNS 查找。 2. 验证该域名是否位于 googlebot.com 或 google.com 中。 3. 对在第 1 步中使用 host 命令检索到的域名运行正向 DNS 查找。验证该域名与您日志中访问服务器的原始 IP 地址是否一致。 示例 1： > host 66.249.66.1 1.66.249.66.in-addr.arpa domain name pointer crawl-66-249-66-1.googlebot.com. > host crawl-66-249-66-1.googlebot.com crawl-66-249-66-1.googlebot.com has address 66.249.66.1 示例 2： > host 66.249.90.77 77.90.249.66.in-addr.arpa domain name pointer rate-limited-proxy-66-249-90-77.google.com. > host rate-limited-proxy-66-249-90-77.google.com rate-limited-proxy-66-249-90-77.google.com has address 66.249.90.77 |
 |
9
opengps 2017-11-22 20:00:25 +08:00
你可以去谷歌设置下爬取频率
|
 |
10
schema 2017-11-22 20:19:35 +08:00
你说没有海外业务，那关闭国外加速，关闭国外 HTTPS 就好很多了
|
 |
11
isCyan 2017-11-22 20:22:53 +08:00
动态资源过 CDN 真的很费钱，动静分离吧
|
 |
12
Loyalsoldier 2017-11-22 20:28:07 +08:00
又拍云的 动态资源加速 是所有项目中最贵的。问过客服，说：只要页面设置缓存超过 1 分钟，就不会被又拍云认为是动态资源。楼主可以试试把不重要的内容缓存 2 分钟……
我们公司就是这样一个月省下 3K 的 |
 |
13
wyan453351466 OP @Loyalsoldier 如果缓存 1 分钟的话，那类似用户登录的操作，还可以实时更新登录状态吗😂 我回头咨询一下他们客服。现在首页不可以缓存，其他页面都可以，就看登录这个能不能行了
|
|
14
wyan453351466 OP @paranoiagu 嗯，谢谢！我明天看看又拍云怎么设置。不过即使关闭加速，请求费用和 https 还是省不下来的。除非国外可以走不同的 dns。
这里又涉及到一个问题：如果国外直接访问源站的话，暴露服务器的 ip 会不会有安全问题 |
|
15
Loyalsoldier 2017-11-22 21:13:37 +08:00
|
|
16
Loyalsoldier 2017-11-22 21:16:29 +08:00
|
|
17
wyan453351466 OP @Loyalsoldier 不是，我的意思是，每个页面的头部都会显示登录状态的。如果登录了，其他页面被缓存，岂不是看不到登录状态了（还是显示未登录）
|
|
18
Loyalsoldier 2017-11-22 21:23:05 +08:00
|
|
19
wyan453351466 OP @Loyalsoldier 所以就没办法了😂
|
 |
20
mcfog 2017-11-22 22:15:23 +08:00 via Android
@wyan453351466 动静分离的第一步就是把带状态的内容和静态内容分离啊，静态首页显示未登录的或者空白的头，js 请求登录态后再画头呗
|
|
21
wyan453351466 OP @mcfog 大神啊！之前看到一些大网站这么做的。没往这方面想。谢谢啦
|
|
22
wyan453351466 OP @mcfog 那这么说首页其实也可以静态的。首页的内容每次刷新会变化，这个也可以用 js 异步获取。不过我多了解下 seo 方面有什么影响。即使不优化首页，其他页面全部静态化，也要减少很多的动态费用了
|
 |
23
huangunic0rn 2017-11-22 22:38:20 +08:00 via Android
host 反解域名就行。带 Google 当然是谷歌
|
 |
24
wdlth 2017-11-22 22:43:04 +08:00
国外的一般用云减速 CF 顶着，用网宿又拍什么的太壕了……
|
 |
25
woshinide300yuan 2017-11-22 23:13:12 +08:00
哈哈，访问区域限制，只支持大陆？
然后关闭海外加速？ 然后……根据 UA 限制一下抓取频率？ 然后…… 解析到 127.0.0.1 /DOGE 哈哈~ |
 |
27
Technetiumer 2017-11-23 00:38:50 +08:00 via Android
DNS 分區解析
海外 Incapsule 免費 國內 又拍 |
 |
28
mytsing520 2017-11-23 01:08:16 +08:00
@woshinide300yuan 他的访问区域功能，默认情况下开启境外，即开启境外节点，这部分结算费用比较高；关闭境外后，境外访问该网站则只使用中国大陆节点，而不是境外禁止访问
|
 |
30
NowTime 2017-11-23 08:14:25 +08:00 via Android
Google 等其它爬虫不会加载网页中的 js，所以你添加的 百度统计 代码，统计不到这些爬虫的访问记录。
|
 |
31
shakoon 2017-11-23 08:24:11 +08:00
pv 3k 其实不用 cdn 也没多大问题，或者换个免费的好了
|
 |
33
ss0xt 2017-11-23 09:21:55 +08:00
怕不是上次你爬煎蛋，过分，有人来搞你了？（滑稽
|
 |
34
ninestep 2017-11-23 09:47:17 +08:00
静态资源防盗链，爬虫爬你的静态文件干嘛，肯定是有人用你的静态资源了
|
 |
35
a1044634486 2017-11-23 09:50:30 +08:00
感觉 33 楼说的有道理
|
|
36
wyan453351466 OP @ss0xt
@a1044634486 这件事我也不想再做太多的解释了。在遇到事情的严重性后，我已经在自己的网站下架了这个版块，并停止了对煎蛋的爬取。（仅凭我一个人一台渣渣服务器就可以对一个网站进行 ddos 攻击，那您真的是太高看我了） |
 |
39
mymuw 2017-11-23 17:37:27 +08:00
试试这个 cdn 很便宜很稳定 www.kekaoyun.com
|
 |
40
lengyihan 2017-11-23 19:09:55 +08:00 via Android
用免费的吧，
|
|
41
paranoiagu 2017-11-23 19:27:50 +08:00 via Android
@wyan453351466 不会用原站的，就是国外用户访问了国内的 CDN，速度慢一点。
|
|
42
paranoiagu 2017-11-23 19:29:49 +08:00 via Android
@mymuw 回源端口支持非标准端口吗？现在电信封了 80 和 443。
|
 |
43
Hmily 2017-11-24 09:52:40 +08:00
可以在域名解析上区分析蜘蛛线路，可以选择重要蜘蛛回源不走 cdn，cdn 过来的假蜘蛛可以屏蔽。
|
 |
44
8355 2017-11-24 10:26:12 +08:00
其实你的 PV 很可能超过 3000 因为现在浏览器的广告屏蔽插件都会屏蔽百度统计的 js 加载 所以实际上可能没有你看到的那么少.
|
Select Language