DungProxy
DungProxy是一个代理IP服务,他包括一个代理IP资源server端和一系列适配中心IP资源得客户端。server负责代理IP资源的收集维护。client则是一系列方便用户使用得API,他屏蔽了代理IP下载、代理IP选取、IP绑定、IP切换等比较复杂逻辑。用户只需要引入client即可方便使用代理IP服务
特别声明 :本项目服务器已下线,默认客户端无法获取代理ip,最近半年没有启用计划。你可以自建server,或者就不要使用被本项目了广告:dungproxy-client后续主要对vscrawler提供支持,vscrawler中,代理的切换策略会变得更加灵活,vscrawler地址
server设计说明
DrungProxy的代理IP都是从互联网收集,他是架设在一个高度不可用的资源上面的服务。server会负责对这些资源进行清洗、校验、打分,最终输出可以被客户端使用的IP资源。IP资源从入库到最终判定可用生命流程如下
IP抓取 server监听了很多代理IP网站,这些网站包括国内外十几家,有意思的是drungProxy的IP爬虫是一系列网站模版。五六行配置即可实现一个简单的网站模版,然后我们有一个上层调度模块将会负责调起模版进行数据抓取。IP消重 需要消重的原因是程序运行到一定时间之后,大量IP都是数据库里面已经存在的了,这个时候如果在数据库进行消重逻辑将会导致大量数据库读写,实际上我们的服务器是一个1块钱的腾讯云(曾经是),看起来是撑不住这么大的请求的(平均每天可以有10K量级)。最后在入库前设置了一个bloomFilter消重模块,能够高效的检测资源是否被入库过。位置信息完善 这个逻辑不大,通过taobaoIp接口获取地址信息,完善IP资源元数据。taobaoIPIP验证 IP验证分为好几个步骤。我们的IP总资源有80W,检验一个IP是否可用一般来说需要20秒左右的时间,因为代理IP本身响应比较慢,我们会把超时时间设置得比较长。所以可以计算一下80W数据走一轮将要消耗得时间,即使在多线程并行环境下时间也是很多的。为了在一定资源下完成校验,我们设计了如下步骤端口开启校验,在进行可用性校验前,首先需要检查IP端口是否开启。调研发现大量资源其实端口都不通,所以专门设计一个任务验证端口是否开启,端口开启验证超时时间为5秒。由于大多数资源端口都没有开启,所以大部分资源的校验时间下降到5秒了。可用性校验,进行可用性校验的需要先进行端口开启校验,系统中端口开启的资源大概3W,所以校验可用性的总资源有3W左右。可用性校验存在如下问题,很多代理IP其实不是代理网站,想他发送请求最终不是我们预期的数据,比如他返回给我们一个代理IP认证网页。所以我们不能根据是否能够请求到数据来判定IP是否可用。我们的做法是在公网放置一个API接口,然后控制代理IP访问我们自己的接口,如果能够拿到符合我们接口的预期数据,那么认为IP可用。domain可用该校验,可用性校验通过之后IP还不是真正可用,悲伤的发现代理IP是和域名相关的。所以同一个IP在不同域名下表现可能不一样。所以我们维护了一个域名IP池,这里面存储各个域名下可用IPIP分发 IP分发是根据客户请求分配可用IP。分发逻辑现在还没有完全完善,但是已经实现了最迫切和有校的分发方案。分发逻辑设计是:先尝试查询domainIP池,再根据其他请求参数做条件匹配,再查询系统可用IP,再随机选择可用填充。四个步骤如果有一个步骤得到的IP超过请求参数期待数目,则不进行接下来的动作。IP验证模型
再IP验证的时候,我们设计了一个模型用来确定哪些IP应该优先验证。模型描述如下:长期可用IP检测频率低,长期不可用IP检测评率低。不稳定IP和刚加入的IP检测频率高。我们使用优先队列来实现这个逻辑,所有IP根据分值放在不同优先队列中,每次校验的时候再不同优先队列中拿出一定资源进行校验(不同优先级拿出的资源数目不一样,高优先级的对象拿出更多资源),对于同一个优先队列,我们根据最后验证时间排序。使上次更新时间最久的资源被优先选择。
分发去重
分发资源的时候,设计去重问题,也就是根据相同条件,每次分发得到的IP很大可能会重复。为了规避这个问题,每次分发都会相应的下发一个资源签名,他会记录分发过的IP。在下次请求的时候,客户端需要带上这个签名,服务器会根据签名过滤,同时会重新对新分发的IP资源做再次签名.
server部署
server端使用java编写,使用maven管理项目,使用mysql作为数据库。相关技术包括springMVC,spring,tomcat,mybatis,guava,fastjson,httpclient等。 运行server的方式很简单
在项目根目录执行maven命令(需要提前安装maven,maven安装方式略)mvn install -Dmaven.test.skip=true在server目录执行maven命令 mvn tomcat7:runserver配置
直接运行项目使用的是我们的默认数据库,同时使用的是默认配置。实际上server存在一些配置用来设置运行参数。合理的运行参数能够合理使用机器资源以及达到更好的运行效果。 项目主要有两个配置文件需要配置:
mysql.properties 用来配置数据库信息config.properties 配置其他启动参数,主要需要关注里面几个url地址,还有 system.thread.的参数项。system.thread用于指定某一种类型的任务执行的线程数,如果数据小于1,则这个模块不会启动。但是如果这个模块接收到了任务请求,那么他会转发到其他服务器上面(也就是上面的两个forward相关的url,没办法服务器都是腊鸡服务器 )其他的应该没有了把,哦对了,项目存在多个profile,也就是resources.local,resources.beta,resources.prod等。他们叫做profile,是maven里面的概念,默认是resources.local生效的。如果想使用其他profile下面的配置,则增加 -Pprofile参数,如运行server mvn -Pskyee clean tomcat7:run
server接口事例
:8080/proxyipcenter/av?usedSign=&checkUrl=http%3A%2F%2Ffree-proxy-list.net%2F&domain=free-proxy-list.net&num=10
{ "data": { "data": [ { "id": 257, "ip": "203.192.12.148", "proxyIp": "203.192.12.149", "port": 80, "ipValue": , "country": "中国", "area": "华北", "region": "北京市", "city": "北京市", "isp": "", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "-1", "transperent": 2, "speed": 104, "type": 1, "connectionScore": 1310, "availbelScore": 8, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 654, "ip": "120.55.245.47", "proxyIp": "112.124.119.21", "port": 80, "ipValue": , "country": "中国", "area": "华东", "region": "浙江省", "city": "杭州市", "isp": "阿里云", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 83, "type": 1, "connectionScore": 1429, "availbelScore": 2, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 2489, "ip": "124.193.33.233", "proxyIp": "124.193.33.233", "port": 3128, "ipValue": , "country": "中国", "area": "华北", "region": "北京市", "city": "北京市", "isp": "鹏博士", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 3390, "type": 1, "connectionScore": 310, "availbelScore": 2, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 5004, "ip": "203.192.12.146", "proxyIp": "203.192.12.149", "port": 80, "ipValue": , "country": "中国", "area": "华北", "region": "北京市", "city": "北京市", "isp": "", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "-1", "transperent": 2, "speed": 161, "type": 1, "connectionScore": 1291, "availbelScore": 10, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 5421, "ip": "221.237.155.64", "proxyIp": "221.237.155.64", "port": 9797, "ipValue": , "country": "中国", "area": "西南", "region": "四川省", "city": "成都市", "isp": "电信", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 3238, "type": 1, "connectionScore": 119, "availbelScore": -1, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 8722, "ip": "58.243.0.162", "proxyIp": "58.243.0.162", "port": 9999, "ipValue": , "country": "中国", "area": "华东", "region": "安徽省", "city": "安庆市", "isp": "联通", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 5143, "type": 1, "connectionScore": 154, "availbelScore": -3, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 11698, "ip": "218.7.170.190", "proxyIp": "218.7.170.190", "port": 3128, "ipValue": , "country": "中国", "area": "东北", "region": "黑龙江省", "city": "绥化市", "isp": "联通", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 3145, "type": 1, "connectionScore": 317, "availbelScore": -1, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 13318, "ip": "220.249.185.178", "proxyIp": "220.249.185.178", "port": 9999, "ipValue": , "country": "中国", "area": "华东", "region": "福建省", "city": "福州市", "isp": "联通", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 5094, "type": 1, "connectionScore": 129, "availbelScore": -1, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": 57033, "ip": "210.245.25.228", "proxyIp": "210.245.25.228", "port": 3128, "ipValue": , "country": "越南", "area": "", "region": "", "city": "", "isp": "", "countryId": "VN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 1024, "type": 1, "connectionScore": 488, "availbelScore": 36, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false }, { "id": , "ip": "60.194.72.253", "proxyIp": "60.194.72.253", "port": 3128, "ipValue": , "country": "中国", "area": "华北", "region": "北京市", "city": "北京市", "isp": "鹏博士", "countryId": "CN", "areaId": "", "regionId": "", "cityId": "", "ispId": "", "transperent": 2, "speed": 2366, "type": 1, "connectionScore": 610, "availbelScore": 16, "connectionScoreDate": 00, "availbelScoreDate": 00, "createtime": 00, "lostheader": false } ], "num": 10, "sign": "9999#C99+999#9B99B99999##Y9999+t9999ss#GB9G9999s9s99999#99Y9+999##++9999B999+Y9999G9+999YB9+99Y9B9999G999s99G9#99999#9Y999s9#B9999+Y9Y99999Y9999Y9" }, "status": true }##maven坐标
<dependency> <groupId>com.virjar</groupId> <artifactId>dungproxy-client</artifactId> <version>0.0.6</version> </dependency>##快速开始
请注意,虫0.0.6开始,dungproxy默认关闭代理IP池功能,打开方式IpPoolHolder.init(DungProxyContext.create().setPoolEnabled(true));
IpPoolHolder.init(DungProxyContext.create().setPoolEnabled(true)); HttpClientBuilder httpClientBuilder = HttpClientBuilder.create(); httpClientBuilder.setRetryHandler(new DunProxyHttpRequestRetryHandler(null)) .setRoutePlanner(new ProxyBindRoutPlanner()); CloseableHttpClient closeableHttpClient = httpClientBuilder.build(); HttpGet httpGet = new HttpGet(""); CloseableHttpResponse response = closeableHttpClient.execute(httpGet); String string = IOUtils.toString(response.getEntity().getContent()); System.out.println(string);