为了提高客户的爬虫采集效率,降低目标服务器的反爬风险,一般爬虫代理关闭了目标服务器的缓存特性,每一次用户请求都真实进行转发,避免了服务器或防火墙因为反爬而出现的返回缓存数据,从而导致采集数据失真的情况。
当研发进行爬虫代理对比测试的时候,可能会发现一个现象,有一些爬虫代理每次请求的延迟都很稳定,而另外一部分爬虫代理产品会出现第一次HTTP请求延迟很高,接下来大量的请求延迟非常低(甚至低于服务器响应时间)的假象,如下图
上图的情况就是这类代理服务器缓存了数据,然后爬虫程序请求相同链接的时候,会出现重复数据并且延迟很低的情况,这种情况下爬虫程序难以分辨是不是目标服务器反爬策略引起的,并且会给用户造成一种代理服务器网络延迟低的假象。因此一定要选择关闭了目标服务器缓存特性的爬虫代理产品。