爬虫使用代理IP，分布式有哪些方法？

爬虫使用分布式有效提高工作效率及工作效率，这些也是从事爬虫工作者非常注重的部分，有效提高进度，快速采集数据信息，那么使用分布式的方法有哪些，很多人了解不够全面，为了提高工作效率；

第一：每个进程从接口API中随机取一个IP列表（比如一次提取50个IP）来循环使用，失败则再调用API获取，大概逻辑如下：

每个线程，从接口随机取回一批IP回来，循环尝试IP列表去抓取数据；

如果访问成功，则继续抓取下一条。

如果失败了（比如超时、出现验证码等），再从接口取一批IP，继续尝试。

方案缺点：IP代理都是有时间有效期的，如果提取了50个，你在一定期限内是有了前20个，后面的可能由于时间限制就用不了了。

如果你把http请求设置的链接时间超时为3秒钟，毒物时间超时间5秒，那么这3-8秒就可能被你浪费掉，有这3-8秒能做好多事了。

第二：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，大概逻辑如下：

每个线程，从接口随机取回一个IP来，用这个IP去访问资源，

如果访问成功，则继续抓下一条。

如果失败了（比如超时、出现验证码等），再从接口随机取一个IP，继续尝试。

方案缺点：频繁的调用API获取IP，会对代理服务器造成非常大的压力，影响API接口稳定，可能会被限制提取。这种方案不能持久稳定的运行。

第三：先提取大量IP导入本地数据库，从数据库里面取IP，大概逻辑如下：

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），把IP列表导入到数据库里面。

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；

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。

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。

爬虫不经需要高质量稳定的代理ip，在有效的爬虫进行中也有很多方法提高数据信息采集，分布式采集是最有效的方法，也是爬虫爱好的广泛运用。