一、背景
前段時間，寫java爬蟲來爬網易雲音樂的評論。不料，爬了一段時間後ip被封禁了。由此，想到了使用ip代理，但是找了很多的ip代理網站，很少有可以用的代理ip。於是，抱著邊學習的心態，自己開發了一個代理ip池。
二、相關技術及環境
技術： SpringBoot，SpringMVC, Hibernate, MySQL, Redis , Maven, Lombok, BootStrap-table，多線程併發
環境： JDK1.8 , IDEA
三、實現功能
通過ip代理池，提供高可用的代理ip,可用率達到95%以上。
- 通過接口獲取代理ip 通過訪問接口，如：http://127.0.0.1:8080/proxyIp 返回代理ip的json格式
{
"code":200,
"data":[
{
"available":true,
"ip":"1.10.186.214",
"lastValidateTime":"2018-09-25 20:31:52",
"location":"THThailand",
"port":57677,
"requestTime":0,
"responseTime":0,
"type":"https",
"useTime":3671
}
],
"message":"success"
}
- 通過頁面獲取代理ip 通過訪問url，如：http://127.0.0.1:8080 返回代理ip列表頁面。
- 提供代理ip測試接口及頁面 通過訪問url, 如：http://127.0.0.1:8080/test （get）測試代理ip的可用性；通過接口 http://127.0.0.1:8080/test ]（post data: {"ip": "127.0.0.1","port":8080} ） 測試代理ip的可用性。
四、設計思路
4.1 模塊劃分
- 爬蟲模塊：爬取代理ip網站的代理IP信息，先通過隊列再保存進數據庫。
- 數據庫同步模塊：設置一定時間間隔同步數據庫IP到redis緩存中。
- 緩存redis同步模塊：設置一定時間間隔同步redis緩存到另一塊redis緩存中。
- 緩存redis代理ip校驗模塊：設置一定時間間隔redis緩存代理ip池校驗。
- 前端顯示及接口控制模塊：顯示可用ip頁面，及提供ip獲取api接口。
4.2 架構圖
五、IP來源
代理ip均來自爬蟲爬取，有些國內爬取的ip大多都不能用，代理池的ip可用ip大多是國外的ip。爬取的網站有：http://www.xicidaili.com/nn ，http://www.data5u.com/free/index.shtml ，https://free-proxy-list.net ，https://www.my-proxy.com/free-proxy-list.html ，http://spys.one/en/free-proxy-list/ ， https://www.proxynova.com/proxy-server-list/ ，https://www.proxy4free.com/list/webproxy1.html ，http://www.gatherproxy.com/ 。
六、如何使用
前提： 已經安裝JDK1.8環境，MySQL數據庫，Redis。
先使用maven編譯成jar,proxy-pool-1.0.jar。
使用SpringBoot啟動方式，啟動即可。
java -jar proxy-pool-1.0.jar
實際使用當ip代理池中可用ip低於3000個，可用率在95%以上；當代理池中ip數量增加到5000甚至更多，可用率會變低（因為開啟的校驗線程數不夠多）
閱讀更多 Java的小本家 的文章
