假百度蜘蛛？CDN及虛擬主機(jī)用戶須慎重辨明

假百度蜘蛛？CDN及虛擬主機(jī)用戶須慎重辨明

假蜘蛛對(duì)我們網(wǎng)站的危害是巨大的，具體有：1.占用網(wǎng)站帶寬，導(dǎo)致網(wǎng)站流量上升，增加額外開銷2.在有限帶寬的前提下，阻礙了正常蜘蛛的抓取3.誤導(dǎo)了我們?cè)趯?duì)網(wǎng)站開展SEO工作時(shí)的思路4.部分偽裝成假蜘蛛的采集工具剽竊了我們的工作我們看到，網(wǎng)上有很多人在分享如何“捉住”假蜘蛛的文章，但這些文章只是千篇一律的描述了“捉住”假蜘蛛的過程及操作方法。卻沒有分享從如何真正的判別蜘蛛的真?zhèn)?。作者本人最近在?duì)一個(gè)電商網(wǎng)站進(jìn)行SEO優(yōu)化時(shí)，就碰到了這樣一個(gè)案例，險(xiǎn)些導(dǎo)致將真蜘蛛錯(cuò)當(dāng)假蜘蛛來處理。一、發(fā)現(xiàn)“假蜘蛛”SEO優(yōu)化要依靠大量的分析和數(shù)據(jù)來實(shí)現(xiàn)，其中日志分析是重中之重，在日志中我們可以看到很多平時(shí)統(tǒng)計(jì)工具無法看到的數(shù)據(jù)和事實(shí)。每周三我都要對(duì)該電子商務(wù)網(wǎng)站進(jìn)行周日志的分析，以便來統(tǒng)計(jì)上一周的優(yōu)化效果，在本周進(jìn)行對(duì)網(wǎng)站日志進(jìn)行分析查看時(shí)，我發(fā)現(xiàn)了幾個(gè)不屬于認(rèn)識(shí)中的“蜘蛛IP”，如圖：我們知道，百度蜘蛛一般來自于202.181.108.*和123.125.71.*這兩個(gè)IP段（順便科普一下，這兩個(gè)IP段的百度蜘蛛沒有所謂高權(quán)重和降權(quán)之分）。顯然這三個(gè)IP在“常識(shí)”中，不屬于百度蜘蛛所屬的IP段。為了確保不誤殺百度蜘蛛，筆者用nslookupip命令反解了此IP，得到以下信息：這個(gè)時(shí)候，基本已經(jīng)可以確定該IP不屬于百度蜘蛛的IP段，是一個(gè)“假蜘蛛”，我們需要屏蔽該IP釋放那些被占用的帶寬。二，誤會(huì)“假蜘蛛”就在要對(duì)以上提到的三個(gè)IP進(jìn)行屏蔽的時(shí)候，筆者突然想到，這個(gè)電商網(wǎng)站在上周通知我他們要使用安全寶服務(wù)，需要將DNS解析到安全寶的服務(wù)器上，而安全寶則會(huì)根據(jù)用戶的訪問情況，選擇距離最近的一個(gè)節(jié)點(diǎn)進(jìn)行CDN加速。在我之前的例行SEO檢查中，發(fā)現(xiàn)網(wǎng)站IP被解析到了陜西的一個(gè)IP上，而這個(gè)網(wǎng)站IP和這次我從網(wǎng)站日志中發(fā)現(xiàn)的三個(gè)“假蜘蛛”IP屬于同一IP段。為了驗(yàn)證這個(gè)推測(cè)，我又重新仔細(xì)查看了網(wǎng)站日志，發(fā)現(xiàn)谷歌蜘蛛和搜狗蜘蛛也來自于之前三個(gè)IP（之前對(duì)網(wǎng)站日志進(jìn)行了拆分，只查看百度的情況，因?yàn)榫W(wǎng)站是針對(duì)百度做SEO的）。這下子總算清楚了，這些所屬IP的蜘蛛不是假蜘蛛，而是貨真價(jià)實(shí)的百度蜘蛛、谷歌蜘蛛和其他搜索引擎的蜘蛛。只不過因?yàn)樗麄兺ㄟ^了一次CDN節(jié)點(diǎn)，所以造成了他們的來源IP是一致的。三，虛擬主機(jī)如何產(chǎn)生“假蜘蛛”由此筆者突然想到，之前在閱讀相關(guān)文章的時(shí)候，經(jīng)常會(huì)看到有站長(zhǎng)抱怨發(fā)現(xiàn)假蜘蛛，來自XX機(jī)房（就那么一兩家機(jī)房）。這是一件很奇怪的事情，莫非采集工具和假蜘蛛都產(chǎn)自這個(gè)機(jī)房？事實(shí)自然不是那樣的，而是：1.很大一部分發(fā)現(xiàn)假蜘蛛的站長(zhǎng)，所使用的是某主機(jī)供應(yīng)商提供的集群主機(jī)，或類似性質(zhì)的虛擬主機(jī)。2.集群性質(zhì)的虛擬主機(jī)，同CDN的道理是相同的，即將客戶的空間和站點(diǎn)資料同步到同一個(gè)群組的所有服務(wù)器上。3.蜘蛛的來源不同，一些是直接訪問站點(diǎn)的，另一些是通過一些外鏈訪問站點(diǎn)的。而這些通過外鏈訪問站點(diǎn)的蜘蛛，會(huì)就近通過CDN節(jié)點(diǎn)訪問。4.CDN節(jié)點(diǎn)每家公司都不一樣，但大致分為地域大區(qū)（不是?。┖碗娦?、網(wǎng)通這樣的方式劃分。5.那些通過CDN節(jié)點(diǎn)訪問網(wǎng)站的蜘蛛，來源IP自然不是從北京總部出發(fā)時(shí)的IP。最終事情得