时间:2022-02-20 09:27:21 | 栏目:Nginx | 点击:次
百度蜘蛛对网站的抓取频率高和抓取量骤增导致服务器负载高,经常收到警告信息。最终采用nginx的ngx_http_limit_req_module模块限制了百度蜘蛛的抓取频率。每分钟允许百度蜘蛛抓取200次,超过频率限制的返回503。
limit_req_zone
语法: limit_req_zone $variable zone=name:size rate=rate;
默认值: none
配置段: http
设置一块共享内存限制域的参数,它可以用来保存键值的状态。 它特别保存了当前超出请求的数量。 键的值就是指定的变量(空值不会被计算)。
这里键值使用客户端的agent, 使用$http_user_agent变量。 如果限制域的存储空间耗尽了,对于后续所有请求,服务器都会返回 503 (Service Temporarily Unavailable)错误。
请求频率可以设置为每秒几次(r/s)。如果请求的频率不到每秒一次, 你可以设置每分钟几次(r/m)。比如每秒半次就是30r/m。
limit_req_zone $ning_spider zone=ning_spider:10m rate=200r/m;
if ($http_user_agent ~* "baiduspider|Googlebot") { set $ning_spider $http_user_agent; } limit_req zone=ning_spider burst=5 nodelay;
参数说明:
指令linit_req_zone 中的rate=200r/m 表示每分钟只能处理200个请求。
指令limit_req 中的burst=5 表示最大并发为5。即同一时间只能同时处理5个请求。
指令limit_req 中的nodelay 表示当已经达到burst值时,再来新请求时,直接返回503IF部分用于判断是否是百度蜘蛛的user agent。如果是,就对变量$ning_spider赋值。这样就做到了只对百度蜘蛛进行限制了。
测试,速率达不上可以同时开多个以下脚本测试
[root@localhost ~]# cat test.sh
#! /bin/bash sum=0; for i in {1..1000} do ((sum = sum + i)) curl -I -A "Baiduspider" http://www.hezongtianxia.com curl -I -A "Sogou web spider" http://www.hezongtianxia.com done echo $sum
tailf /home/wwwlog/access.log|grep 503
参考:http://tengine.taobao.org/nginx_docs/cn/docs/http/ngx_http_limit_req_module.html