代理IP池的设计教程

在访问 一些网络爬虫网站的时候，代理IP池这个词出现的频率很高，假如对于网络爬虫还是比较新接触到的用户，将会不太明白这是什么。下面代理IP通过代理池的设计流程，来给大家详细介绍。

代理池由四部分构成：

ProxyGetter:

代理获取接口，网上找开放式IP，每调用一次就会抓取网站的新代理放入DB，可自行添加额外的代理获取接口;

DB:

用做存放代理IP，现在暂时只支持SSDB。而为什么选择SSDB，大家可以参考这篇文章,个人觉得SSDB是个不错的Redis替代方案，如果你没用过SSDB，安装起来也很简单。

Schedule:

计划任务用户定时去检测DB中的代理可用性，删除不能用的代理。同时也会主动通过ProxyGetter去获取新代理放入DB。

ProxyApi:

代理池的外部接口，由于现在这么代理池功能比较简单，花两个小时看了下Flask，愉快的决定用Flask搞定。功能是给爬虫提供get/delete/refresh等接口，便于爬虫直接使用。

接下来是代码模块：

Python中高层次的数据结构,动态类型和动态绑定,使得它非常适合于快速应用开发,也适合于作为胶水语言连接已有的软件部件。用Python来搞这个代理IP池也很简单，代码分为6个模块：

Api:

api接口相关的代码，目前api是由Flask实现，代码也很简单。客户端请求传给Flask，Flask调用ProxyManager中的实现，包括get/delete/refresh/get_all。

Manager:

get/delete/refresh/get_all等接口的具体实现类，目前代理池只负责管理proxy，日后将会会有更多功能，例如代理和爬虫的绑定，代理和账号的绑定等等。

DB:

数据库相关的代码，目前数据库是采用SSDB。代码用工厂模式实现，便于日后扩展其他类型数据库。

Schedule:

定时任务相关的代码，现在仅是实现定时去高效管理新代码，并验证可用代理，采用多进程方式。

ProxyGetter:

代理获取的相关的代码，经测试这个5个网站每天更新的可用代理只有六七十个，当然也支持自己扩展代理接口。

Util:

存放一些公共的模块方法或函数，包含GetConfig:读取配置文件config.ini的类，ConfigParse:集成重写ConfigParser的类，使其对大小写敏感，Singleton:实现单例，LazyProperty:实现类属性惰性计算。

其他文件:

配置文件:Config.ini,数据库配置和代理获取接口配置，可以在GetFreeProxy中添加新的代理获取方法，并在Config.ini中注册即可使用。

上面就是代理IP池的组成部分，这样分解之后，相信大家也能够直观认识到代理池了。当然了，大家也可以直接用高质量的代理ip提取搭建。ipidea全球http每日包含全球9000w的动静态ip资源足以满足用户量大的需求。