当时爬取时当并发过大的时候,请求就会出现卡死的情况。其实这可能就是珍爱网对请求和连接进行了限制。
爬虫和反爬是个“一边攻,一边守”的技术,但我们亲爱的爬虫工程师们也一直遵守着“只攻不破”的原则。网站服务器对爬虫一直在做限制,避免服务器流量异常,负载过大,防止恶意的攻击带来带宽和资源的浪费,甚至影响业务正常运行。往往办法是限制对同一个IP的连接数和并发数进行限制。今天我们就来看看nginx的连接频率limit_conn_module和请求频率limit_req_module 限制模块。
HTTP请求建立在一次TCP连接基础上,一次TCP请求至少产生一次HTTP请求。
连接限制:
语法如下:
Syntax:limit_conn_zone key zone=name:size;
Default: -
Context:http
limit_conn_zone:一块空间,用于存放被限制连接的状态;
key:键,可以说是一个规则,就是对客服端连接的一个标识,比如可以用内置变量 — 客户端的ip;
zone:就是这块空间的名字,这个需要和location的配置相对应;
size:就是申请空间的大小。
limit_conn指令:
Syntax: limit_conn zone number;
Default: -
Context: http, server, location
这里有个前提必须在http下先定义好limit_conn_zone才可以在这里引用。
这里的zone就是上面zone的名字,number就是同一时间连接的限制数。
请求频率限制:
Syntax: limit_req_zone key zone=name:size rate=rate;
Default: -
Context: http
语法和上面类似,rate为速率限制,以秒为单位多少个。
limit_req指令:
Syntax: limit_req zone=name [burst=number] [nodelay]
Default: -
Context:http,server,location
burst=number,重点说明一下这个配置,burst爆发的意思,这个配置的意思是设置一个大小为number的缓冲区当有大量请求(爆发)过来时,超过了访问频次限制的请求可以先放到这个缓冲区内,起到访问限速的作用
nodelay,如果设置,超过访问频次而且缓冲区也满了的时候就会直接返回503(Service Temporarily Unavailable)服务暂时不可用,如果没有设置,则所有请求会等待排队。
这两个默认是不需要配置的。
配置示例如下:
$binary_remote_addr表示二进制的IP地址,一个二进制的ip地址在32位机器上占用32个字节,那么1M可以存放多少呢,计算一下,1x1024x1024/32 = 32768,意思就是可以存放32678个ip地址,在一个会话中,比$remote_addr要节约10空间;
rate=1r/s表示每秒只能有一个请求;
1、
把location下的limit配置都注释掉,用ab工具(压力测试工具)测试:
ab-n10000 -c1000 http://192.168.1.6/index.html
这里-n表示请求总数,-c表示同一时间的请求数。
请求之后所有请求都成功:
2、
当只放开limit_req zone=req_zone;注释后,用压测工具ab发起同样的命令后:
可以看到只成功请求3个,因为req_zone配置的rate为每秒一个请求。
3、
当只放开location下limit_req zone=req_zone burst=3 nodelay;注释时,继续发起请求:
可以看到,成功了6个,比上一次多了3个。burst=3将3个请求放到缓冲区等下一秒执行。
4、
当只放开limit_conn conn_zone 1;注释时,使用ab进行测试。此时一个ip只能同一时刻只能建立一个连接。
本文由“壹伴编辑器”提供技术支持
END
参考:
解决nginx访问报13: Permission denied:
http://www.shuchengxian.com/article/658.html
https://www.zybuluo.com/chy282/note/1042841
https://www.cnblogs.com/chenpingzhao/p/4971308.html
https://segmentfault.com/a/1190000004688125
https://www.kancloud.cn/linux-jdxia/jdxialinux/419014
本文由“壹伴编辑器”提供技术支持由“壹伴编辑器”提供技术支持
领取专属 10元无门槛券
私享最新 技术干货