ProxyApi-大数据采集用的IP代理池

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

用于大数据采集用的代理池在数据采集的过程中，最需要的就是一直变化的代理ip。自建adsl为问题是只有一个区域的IP。买的代理存在的问题是不稳定，影响采集效率。云vps不允许安装花生壳等，即使有花生壳，它的解析也不及时，跟不上3分钟变一次。本项目的作用是将目前的云vps，安装代理软件，然后使用脚本每隔3分钟拨号一次，返回当前可用的ip给代理池，代理池记录后，提供给API接口给采集程序调用。

一共有几个板块：代理主机拨号返回ip，代理池接受ip并记录然后提供给采集程序，统计代理主机的数量、每台提供的ip数量等，检查代理ip是否异常并展示到网页，简单的认证，网页执行命令管理云主机。

项目有个巧妙的地方分享给大家，就是对于后端的采集程序对于api的调用的频率是极高的，每秒可达几百上千次。因为数据量不大，所以全放内存运行，数据库只是接收到新ip地址后在改变了内存里面的变量的同时写到数据作为备份，如果程序出错，启动的时候先加载数据库的数据到内存。

代理池的程序在ProxyApi.tar中，使用的django框架，当时急用没有写注释，供大家参考。

1、安装软件：

我们使用的云立方的云vps，每季度打折后200元不到。推荐系统用centos，它自动将adsl的账号密码弄好。

yum -y install squid

yum install -y httpd-tools

yum install -y openssl

2、设置代理的账号和密码:

touch /etc/squid/squid_passwd

chown squid /etc/squid/squid_passwd

htpasswd /etc/squid/squid_passwd proxy #会提示输入两次密码

3、写入配置文件：

/etc/squid/squid.conf

4、设置开机启动和重启squid：

systemctl enable squid && systemctl restart squid

5、写入拨号脚本：

adsl.py

6、启动拨号脚本：

#也可以写到/etc/rc.d/rc.local，记得把/etc/rc.d/rc.local设置可执行权限，不然不起作用。

nohup python adsl.py

7、查询方式，API的接口：因为公司有几种语言，使用的代理格式不一样，所以这里只返回一个ip地址，代理的端口、用户名、密码是固定的，采集程序自己写。

http://ip:port/getip 所有随机

http://ip:port/getip?ip=云主机名称按云主机名称查询

http://ip:port/getip?addr=重庆移动,重庆电信&tof=f 按地区随机，addr可以是单值，也可以使多值，多值用小写的,分割，tof （true or false），不写默认为t，传值f表示非

8、管理：

http://ip:port/checkip ，状态查询，可以只看故障的主机（只是时间有底色表示最近三次IP重复，暂时不可用，如果前面ip和时间都有底色，表示云主机没有继续提供新ip了，需要排查。），点击主机名称可以看单个主机最近提供的ip，和总的提供的ip及不重复的ip。

http://ip:port/shell ，可以在网页上执行命令，主要是查看和运行和重启等，vi什么的需要交互的命令是用不了的，top的话，记得用top -n 1；进入之前会有一个认证，后台可以改变密码，主机加入到代理池，程序会自动把云主机的名字写到主机管理里面，但是管理ip及端口、账号、密码需要手动添加，配置后才能网页执行命令。

主机管理，一页可以完成增删改查，没有做那么的限制和页面。可以查看所有的，也可以分组查看，方便后期在选择vps区域的时候参考。

执行命令这里，讲一下，做的还算完善，看注释，如果选择了主机的话，就有ip，然后就执行这一个主机，如果只选分组，不选主机就分组内的机器全部执行，然后按顺序返回，如果执行多条命令，会分别添加到相应的黑色区域，然后你也可以在主机的下面分别执行命令。部分主机调试好了，也可以关闭，不会影响其他主机的窗口。如果显示太多了，还可以清屏。