天桥区SEO分享分布式Spider和降权蜘蛛
编辑：天桥区新城建站 关注： 时间：2019-12-09 10:48:51
温馨提示：专业网站建设、小程序制作、APP开发，尽在新城建站，详询 15544599750（手机、微信、QQ同号）
文前导读：
2.1.6分布式Spider和降权蜘蛛
由于Spider所要抓取的网页太多，如果只有单一的一个Spider进行抓取作业，那么将需要非常巨大的计算能力，同时也会消耗更多的抓取时间。这里就引入了分布式计算的概念，把庞大的抓取作业任务分割成很多较小的部分，使用大量合理计算能力的服务器来承载这个任务,以完成对全互联网网页的快速抓取。现在大型搜索引擎都会使用分布式计算，同样Spider也会使用分布式计算，可以称这种Spider为分布式Spider,它遵循了分布式计算的主要规则，根据这些规则也可以解释现在站长和SEO人员关心的“降权蜘蛛”问题。
分布式计算有很多种计算方式，这里简单介绍Spider应有的分布式抓取策略。涉及分布式计算，也就涉及任务分发机制。整个分布式Spider系统需要保证所有Spider之间不会有重复抓取的情况发生，也就是要为各个Spider分配好抓取范围。当一个Spidei发现一个新的URL时，会判断该URL是否在自己的抓取范围之内，如果在自己的抓取范围之内，就会把该URL放到自己待抓取URL队列中；如果不在自己的抓取范围之内，就会把该URL提交给上级服务器，由上级服务器分发给相应的Spider,并加入到该Spider的待抓取URL列表中。
要确保所有Spider•的作业不重复，就要求每个Spider都有自己的抓取范围，也就是说每个Spider都会只抓取指定类型的网页。这里就要看搜索引擎是如何对网页进行分类的了，常规网页的分类方法有三种，第一种是按照优秀站点、普通站点、垃圾站点、降权站点和屏蔽（被K）站点等站点质量等级分类；第二种是按照网站首页、网站目录页、网站内容页、网站专题页、视频、图片、新闻、行业资料、其他类型的网络文件（PDF、Word、Excel等）等网页类型分类;第三种是按照站点或网页内容所在行业分类。在真正的Spider系统设计中，为了减少搜索引擎和被抓取站点服务器之间的握手次数（影响抓取效率的重要因素），站点级别相关的分类应该是被优先使用的。
Spider会严格按照自己的作业任务进行作业，由以上分类可以看出，对于大部分中小网站一般都会有一个固定的Spider进行抓取，所以很多站长和SEO人员在分析网站日志时所发现的百度Spider经常都是同一IP段的，但是不同网站之间发现的Spider的IP段并不同。理论上，如果参与研究的站点比较多，类型比较丰富，就可以比较容易地分辨岀百度Spider的任务分发模式，这样通过分析日志中百度来访Spider的IP就可以判断出自己的站点在百度搜索眼中是什么针对第一种分类方式，就可能出现某一IP段的Spider只抓取权重高的网站，某一IP段的Spider•只抓取已被搜索引擎降权或者屏蔽的网站。如果真的是采用这种任务分发方式，那么网络上所传的“降权蜘蛛”就可能存在。不过并不是因为这个Spider的到来使得网站降权或者屏蔽,而是因为该网站已经被百度降权或者屏蔽，百度服务器才会把对该站点的抓取任务分发给这个Spidero如果百度使用这种分布式的Spider,那么网络上对百度Spider各IP段特性的总结也是比较有意义的，不过不可全信，因为百度不可能只使用一种任务分发模式。这也可以成为站长和SEO人员的研究方向，即使可能最终一无所获。因为搜索引擎对网站和网页的分类有太多纬度了，新抓取和再次抓取所使用的纬度就可能不同，很可能各个纬度都是综合使用的。
如图2?6所示为某网友对百度Spider所使用的IP的分析，有兴趣的朋友可以百度搜索一下“百度蜘蛛IP段详解”，有不少类似的总结，看看就好，不可以绝对当真。
图2?6网络对百度Spider的分析
拓展阅读：
本文由新城建站整理发布，喜欢请收藏，转载请保留链接 天桥区SEO分享分布式Spider和降权蜘蛛https://www.nccpu.net/jinan/tianqiaoqu/10455.html
最新推荐
519763739
15544599750