一、背景

前段时间，写java爬虫来爬网易云音乐的评论。不料，爬了一段时间后ip被封禁了。由此，想到了使用ip代理，但是找了很多的ip代理网站，很少有可以用的代理ip。于是，抱着边学习的心态，自己开发了一个代理ip池。

 

二、相关技术及环境

技术： SpringBoot，SpringMVC, Hibernate, MySQL, Redis , Maven, Lombok, BootStrap-table，多线程并发
环境： JDK1.8 , IDEA

 

三、实现功能

通过ip代理池，提供高可用的代理ip,可用率达到95%以上。

　

{
    "code":200,
    "data":[
        {
            "available":true,
            "ip":"1.10.186.214",
            "lastValidateTime":"2018-09-25 20:31:52",
            "location":"THThailand",
            "port":57677,
            "requestTime":0,
            "responseTime":0,
            "type":"https",
            "useTime":3671
        }
    ],
    "message":"success"
}

　　

  • 通过页面获取代理ip 通过访问url，如：http://127.0.0.1:8080 返回代理ip列表页面。

  • 提供代理ip测试接口及页面 通过访问url, 如：http://127.0.0.1:8080/test （get）测试代理ip的可用性；通过接口 http://127.0.0.1:8080/test ]（post data: {“ip”: “127.0.0.1”,”port”:8080} ） 测试代理ip的可用性。

 

四、设计思路

     4.1 模块划分

    • 爬虫模块：爬取代理ip网站的代理IP信息，先通过队列再保存进数据库。
    • 数据库同步模块：设置一定时间间隔同步数据库IP到redis缓存中。
    • 缓存redis同步模块：设置一定时间间隔同步redis缓存到另一块redis缓存中。
    • 缓存redis代理ip校验模块：设置一定时间间隔redis缓存代理ip池校验。
    • 前端显示及接口控制模块：显示可用ip页面，及提供ip获取api接口。

     4.2 架构图

五、IP来源

代理ip均来自爬虫爬取，有些国内爬取的ip大多都不能用，代理池的ip可用ip大多是国外的ip。爬取的网站有：http://www.xicidaili.com/nn ，http://www.data5u.com/free/index.shtml ，https://free-proxy-list.net ，https://www.my-proxy.com/free-proxy-list.html ，http://spys.one/en/free-proxy-list/ ， https://www.proxynova.com/proxy-server-list/ ，https://www.proxy4free.com/list/webproxy1.html ，http://www.gatherproxy.com/ 。

六、如何使用

前提： 已经安装JDK1.8环境，MySQL数据库，Redis。
先使用maven编译成jar,proxy-pool-1.0.jar。
使用SpringBoot启动方式，启动即可。

java -jar proxy-pool-1.0.jar

 

实际使用当ip代理池中可用ip低于3000个，可用率在95%以上；当代理池中ip数量增加到5000甚至更多，可用率会变低（因为开启的校验线程数不够多）

有什么使用的问题欢迎回复。。。

本文代码已经提交github：https://github.com/chenerzhu/proxy-pool  欢迎下载。。。

 

 

版权声明：本文为chenerzhu原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/chenerzhu/p/9742912.html