根据我后台的数据统计，谷歌的爬虫保守估计一天请求了我的网站 3 万次。
这还不算其他的一些搜索引擎的请求（ yandex 之类的）。
这个数据正常吗？
如果一个恶意爬虫，user-agent 冒充是 Google。这个有办法识别吗？
下面晒一下昨天又拍云的费用账单，光是欧美的动态资源加速费用就 1.64 元（我是大陆中文网站哪会有欧美的用户？）。加上 https 加速和 cdn 流量费用是 2 元多。按这个标准，每个月我要付费 60 多块钱给欧美的爬虫！
我的真实 PV 才 3000 啊（百度统计的数据）。每日动态资源请求次数居然可以有 8 万，你敢信？
所以现在是要限制一下谷歌爬虫的请求频率？这个谷歌官方应该有设置。
我想求教大家的是：
-
如何准确的区分真实搜索引擎，和恶意爬虫？（ user-agent 判断貌似不靠谱）
-
如何更好的反爬虫？判断一个 IP1 分钟、1 小时、1 天内的请求次数？
-
更关键的是：我想求教大牛：有没有真实案例自己网站日均 PV10 万+的？开 HTTPS 的情况下，这样的网站一个月的 CDN、流量费用要多少钱呢？（ HTTPS 的 CDN 请求也要钱的！阿里云和又拍云的价格是：1 万次 0.05 元）
1
Select Language