利用adsl拨号服务器VPS构建代理IP池

一、工具准备

  • 动态vps: 我用的是云立方的动态vps，0.5G内存，11G硬盘，20G宽带，一年1800元，动态vps主要是运行代理服务，比较耗宽带，通过拨号来更换IP，实现动态代理的效果
  • 固定IP服务器：用的阿里云服务器，1核1G内存，40G云盘，一年836元，该服务器主要是实时获取动态vps的IP，并对外提供接口，这些服务不怎么耗资源，该服务器还可以用来跑爬虫或者搭网站

二、环境搭建

动态vps

  • 功能：搭建代理服务，并通过在vps上拨号切换IP，将切换后的IP传到固定IP的服务器上
  • 工具：代理服务-tinyproxy， 发送IP-python的requests库
  • 系统：云立方的可以预装系统，我选的是CentOS7.1系统，在管理后台进行操作
  • 连接服务器：ssh user@ip -p port
  • 拨号操作：断开网络：adsl-stop， 拨号：adsl-start
  • 查看公网IP：curl icanhazip.com
  • 加代理查看IP：curl -x ‘ip:port’ -v icanhazip.com
  • 判断IP是否变化：先查看公网IP，然后断开连接，重新拨号，再看下公网IP，如果发现没有变化，可以多试几次，有几率重播后公网IP依旧没变
1、代理服务搭建：tinyproxy

安装命令：

# 添加EPEL仓库，然后更新yum源：
sudo yum install epel-release
sudo yum update
# 安装
sudo yum install -y tinyproxy

修改配置：

vim /etc/tinyproxy/tinyproxy.conf
修改 Port 端口，默认为 8888
Port 8888
注释掉 Allow 127.0.0.1，表示允许所有人访问代理

启动服务：service tinyproxy start
日志：/var/log/tinyproxy/tinyproxy.log
本地测试：curl -x ‘ip:port’ -v icanhazip.com

注意点&坑：

  • 我一开始用的芝麻VPS，到这一步后，在vps上用局域网IP可以通过代理服务器访问，但在本地通过公网IP就无法访问，最后发现是由于外网无法访问该服务器，试过开放端口等操作，无果，云立方的是直接可以通过公网IP使用代理

  • yum安装时，报错：yum doesn’t have enough cached data to continue， 解决办法：

    • 将/etc/yum.repos.d/epel.repo中的mirrorlist改为baseurl
    • /etc/resolv.conf文件中增加 nameserver 144.144.144.144
    • 在断开重播时，有时adsl-start会执行失败，报错：“/usr/sbin/adsl-start: line 217: 5749 Terminated C O N N E C T " CONNECT " CONNECT"@" > /dev/null 2>&1”，最后发现可能是断开连接的不干净，多执行几次adsl-stop,在执行adsl-start就会成功了

  • 在代理服务tinyproxy运行期间，报过这个错：Waiting servers (0) is less than MinSpareServers (5). Creating new child.，原因是达到最大连接数，无法创建新的连接处理请求，代理服务也就挂了，重启代理服务即可，解决办法

vim /etc/tinyproxy/tinyproxy.conf

MaxClients 100 -> 500  # 最大连接数
Timeout 600 -> 20  # 超时时间
2、搭建Python环境

(1) 安装Python Python依赖

sudo yum install yum-utils
sudo yum-builddep python

Python源码连接：https://www.python.org/ftp/python/

curl -O https://www.python.org/ftp/python/3.5.0/Python-3.5.0.tgz

我在用curl时无法下载，可以到官网下载指定版本的Python，然后传到服务器上

tar xf Python-3.5.0.tgz
cd Python-3.5.0
./configure
make
sudo make install

安装完成后通过python3 -V来查看当前版本

(2) 安装虚拟环境

cd ~
mkdir venv
cd venv
python3 -m venv python3-forcrawl
source ~/venv/python3-forcrawl/bin/activate

(3) 安装相应的python库

pip install requests
# 安装其他环境导出的库
pip install -r requirements.txt

阿里云服务器：

  • 功能：接受动态VPS发送的IP,并提供接口，返回动态VPS实时的IP&端口
  • 工具：web服务-tornado
  • 连接：ssh root@ip -p 22， 如果忘记服务器密码，可以重置实例登陆密码和远程连接密码：更多->密码、秘钥
  • 搭建Python环境同上，安装tornado
pip install tornado

sudo yum install -y redis
# 启动服务
redis-server >> /dev/null 2>&1 &
# 连接redis
redis-cli
  • mongo数据库（可以不进行安装，实现基本的代理功能不需要该库）
# yum中没有mongo的下载源，需要手动添加
vi /etc/yum.repos.d/mongodb-org-3.4.repo
# 写入以下信息，针对centos7
[mongodb-org-3.4]
name=MongoDB Repository
baseurl=https://repo.mongodb.org/yum/redhat/7/mongodb-org/3.4/x86_64/
gpgcheck=1
enabled=1
gpgkey=https://www.mongodb.org/static/pgp/server-3.4.asc
# 安装
sudo yum install -y mongodb-org
启动：
systemctl start mongod.service

注意点&坑：

  • ssh链接时，报错Permission denied (publickey,gssapi-keyex,gssapi-with-mic)，解决办法：
    • 通过阿里云web终端登录到服务器，修改ssh配置文件
vim /etc/ssh/sshd_config

更改：PasswordAuthentication no（默认yes）
或打开注释：PermitRootLogin yes

代码实现逻辑

1、客户端：动态vps

  • 通过Python执行断开连接&拨号的操作，成功后匹配获取公网IP，通过requests库将IP发送至服务端
  • 为了避免恶意干扰，可以加上一个传输秘钥，服务器验证传输秘钥，验证失败的不进行IP更新
  • 设置定时任务来实现IP的更换
  • 传送的数据中，包含IP、秘钥、name(区分vps服务器)

2、服务端：固定IP服务器

使用tornado启动服务，提供两个接口

  • post接口：接收客户端发送的IP，验证秘钥成功后，以name为key，ip&port为val，存入redis
  • get接口：从redis中取出ip&port并返回

代理检测程序：可用于检测IP的可用性，剔除失效IP

总结

  • 相对直接购买代理，价格更便宜，且速度不受限制，但是缺点是，在vps拨号，到传输到服务器，再到爬虫使用代理，这个过程存在延迟，可能在切换IP时，会导致代理不可用，解决方案是设置超时时间并休眠几秒后进行重试
  • 不适用于对IP切换速度要求很快的服务，拨号太频繁了，一个是IP有时不变，另一个容易拨号失败
  • 如果在线上环境中使用，可以多买几台动态vps，搞一个IP池
  • 代码实现见：https://github.com/HLFYY/spiders/tree/master/adsl_server