5分鐘，自己做一個隧道代理
什么是隧道代理？我們來看下面這張截圖：
所謂隧道代理，就是一個能幫你自動更換代理 IP 的代理服務(wù)
在你的代碼里面，你只需要把一個入口代理地址寫死，然后正常發(fā)起請求，而目標服務(wù)器接收到的請求，每一次都是不同的代理地址
在某代理網(wǎng)站上，隧道代理 50 并發(fā)每秒的價格是 4000 元/月：
而常規(guī)的，先請求接口拿到一批代理 IP，再選一個發(fā)起請求的原始代理服務(wù)器，一個月價格才 600 多元：
所以，如果我們能自己做一個隧道代理，將會省下很多錢！
隧道代理的原理，跟常規(guī)代理的不同之處，用下面這兩張圖就能說清楚：
要自己開發(fā)一個這樣的隧道代理，我們需要做兩步：
構(gòu)建一個代理池 實現(xiàn)代理自動轉(zhuǎn)發(fā)
構(gòu)建代理池
假設(shè)你從代理供應(yīng)商手上買到的便宜代理地址為：http://xxx.com/ips，直接在瀏覽器上面請求，頁面效果如下圖所示：
現(xiàn)在，你需要做的就是寫一個程序，周期性訪問這個url，拉取當(dāng)前最新可用的IP地址，然后把它放到Redis中。
這里，我們使用 Redis 的Hash這個數(shù)據(jù)結(jié)構(gòu)，其中Hash的字段名就是IP:端口，里面的值就是跟每個IP相關(guān)的一些信息。
你這個程序需要確保，當(dāng)前在Redis里面的代理地址，全部都是可用的。這里，我給出了一個示例程序：
"""
ProxyManager.py
~~~~~~~~~~~~~~~~~~~~~
簡易代理池管理工具，直接從URL中讀取所有
最新的代理，并寫入Redis。
"""
import yaml
import time
import json
import redis
import datetime
import requests
class ProxyManager:
def __init__(self):
self.config = self.read_config()
self.redis_config = self.config['redis']
self.client = redis.Redis(host=self.redis_config['host'],
password=self.redis_config['password'],
port=self.redis_config['port'])
self.instance_dict = {}
def read_config(self):
with open('config.yaml') as f:
config = yaml.safe_load(f.read())
return config
def read_ip(self):
resp = requests.get(self.config['proxy']).text
if '{' in resp:
return []
proxy_list = resp.split()
return proxy_list
def delete_ip(self, live_ips, pool_ips):
ip_to_removed = set(pool_ips) - set(live_ips)
if ip_to_removed:
print('ip to be removed:', ip_to_removed)
self.client.hdel(self.redis_config['key'], *list(ip_to_removed))
def add_new_ips(self, live_ips, pool_ips):
ip_to_add = set(live_ips) - set(pool_ips)
if ip_to_add:
print('ip to add:', ip_to_add)
ips = {}
for ip in ip_to_add:
ips[ip] = json.dumps({'private_ip': ip,
'ts': datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')})
self.client.hset(self.redis_config['key'], mapping=ips)
def run(self):
while True:
live_ips = self.read_ip()
pool_ips = [x.decode() for x in self.client.hgetall(self.redis_config['key'])]
self.delete_ip(live_ips, pool_ips)
self.add_new_ips(live_ips, pool_ips)
time.sleep(40)
if __name__ == '__main__':
manager = ProxyManager()
manager.run()
其中，我把Redis相關(guān)的配置、代理供應(yīng)商的URL寫到了一個yaml配置文件中，防止被你們看到。配置文件的格式如下圖所示：
由于我這個代理供應(yīng)商提供的IP，有效期是1-5分鐘，所以保險起見，我每40秒更換一次IP。更換的時候，采用了增量更換的方式。把當(dāng)前拉取的IP和Redis里面的已有IP進行對比。不在這次拉取的IP全部從Redis移除，然后把新增的IP加到Redis中。
大家在實際過程中，還可以加一些代理校驗的邏輯，確保從URL拉下來的代理也進行有效性檢查，發(fā)現(xiàn)無效的立刻移除。
實現(xiàn)自動轉(zhuǎn)發(fā)
要實現(xiàn)自動轉(zhuǎn)發(fā)，我們可以使用OpenResty[1]
它是一個基于Nginx和Lua實現(xiàn)的高性能Web平臺。通過它，我們可以使用Lua語言實現(xiàn)一些邏輯，例如從Redis讀取數(shù)據(jù)，把來源請求轉(zhuǎn)發(fā)到上游代理服務(wù)器……
因此，我們使用OpenResty搭建一個轉(zhuǎn)發(fā)服務(wù)。并把這個轉(zhuǎn)發(fā)服務(wù)所在服務(wù)器的IP地址作為我們的入口IP地址。在使用Requests等等網(wǎng)絡(luò)請求客戶端發(fā)送請求的時候，只需要把這個入口IP地址設(shè)置為代理。那么，當(dāng)客戶端發(fā)送請求的時候，請求首先到了OpenResty。然后它從Redis中隨機選一個代理IP來作為上游代理，并把剛剛發(fā)來的請求轉(zhuǎn)發(fā)到上游代理。從而實現(xiàn)隧道代理的效果。
Lua是一門非常老的語言，它的語法不少地方跟Python不太一樣。不過你不用擔(dān)心，這個配置文件我已經(jīng)寫好了。大家拿過來改一改就能用。
對應(yīng)的配置文件如下圖所示：
worker_processes 16; #nginx worker 數(shù)量
error_log /usr/local/openresty/nginx/logs/error.log; #指定錯誤日志文件路徑
events {
worker_connections 1024;
}
stream {
## TCP 代理日志格式定義
log_format tcp_proxy '$remote_addr [$time_local] '
'$protocol $status $bytes_sent $bytes_received '
'$session_time "$upstream_addr" '
'"$upstream_bytes_sent" "$upstream_bytes_received" "$upstream_connect_time"';
## TCP 代理日志配置
access_log /usr/local/openresty/nginx/logs/access.log tcp_proxy;
open_log_file_cache off;
## TCP 代理配置
upstream backend{
server 127.0.0.2:1101;# 愛寫啥寫啥 反正下面的代碼也給你改了
balancer_by_lua_block {
-- 初始化balancer
local balancer = require "ngx.balancer"
local host = ""
local port = 0
host = ngx.ctx.proxy_host
port = ngx.ctx.proxy_port
-- 設(shè)置 balancer
local ok, err = balancer.set_current_peer(host, port)
if not ok then
ngx.log(ngx.ERR, "failed to set the peer: ", err)
end
}
}
server {
preread_by_lua_block{
local redis = require("resty.redis")
--創(chuàng)建實例
local redis_instance = redis:new()
--設(shè)置超時（毫秒）
redis_instance:set_timeout(3000)
--建立連接，請在這里配置Redis 的 IP 地址、端口號、密碼和用到的 Key
local rhost = "123.45.67.89"
local rport = 6739
local rpass = "abcdefg"
local rkey = "proxy:pool"
local ok, err = redis_instance:connect(rhost, rport)
ngx.log(ngx.ERR, "1111111 ", ok, " ", err)
-- 如果沒有密碼，移除下面這一行
local res, err = redis_instance:auth(rpass)
local res, err = redis_instance:hkeys(rkey)
if not res then
ngx.log(ngx.ERR,"res num error : ", err)
return redis_instance:close()
end
math.randomseed(tostring(ngx.now()):reverse():sub(1, 6))
local proxy = res[math.random(#res)]
local colon_index = string.find(proxy, ":")
local proxy_ip = string.sub(proxy, 1, colon_index - 1)
local proxy_port = string.sub(proxy, colon_index + 1)
ngx.log(ngx.ERR,"redis data = ", proxy_ip, ":", proxy_port);
ngx.ctx.proxy_host = proxy_ip
ngx.ctx.proxy_port = proxy_port
redis_instance:close()
}
# 下面是本機的端口，也就是爬蟲固定寫死的端口
listen 0.0.0.0:9976; #監(jiān)聽本機地址和端口，當(dāng)使用keeplived的情況下使用keeplived VIP
proxy_connect_timeout 3s;
proxy_timeout 10s;
proxy_pass backend; #這里填寫對端的地址
}
}
需要修改的地方，我在配置文件里面已經(jīng)做好的注釋。具體而言，需要修改地方包含：
Redis的地址、端口、密碼和 Key。如果你的Redis沒有密碼，可以把設(shè)置密碼的這一行刪掉
入口代理的端口 
設(shè)置好了這些配置以后，我們就可以使用Docker來啟動它。Docker的配置文件極其簡單：
from openresty/openresty:centos
copy nginx_redis.conf /usr/local/openresty/nginx/conf/nginx.conf
然后，執(zhí)行命令構(gòu)建和運行：
docker build --network host -t tunnel_proxy:0.01 .
docker run --name tunnel_proxy --network host -it tunnel_proxy:0.01
運行以后，你會看到Docker的命令行似乎卡住了。這是正常請求。因為需要你有了請求，它才會輸出內(nèi)容。
現(xiàn)在，你可以用Requests趕快寫一段代碼來進行驗證：
import requests
import time
proxies = {'http': 'http://13.88.220.207:9976'}
for _ in range(10):
resp = requests.get('http://httpbin.org/ip', proxies=proxies).text
print(resp)
time.sleep(1)
運行效果如下圖所示：
說明隧道代理搭建成功
目前隧道代理我已經(jīng)穩(wěn)定運行了半年，從來沒有出過問題，大家可以放心使用
參考資料
OpenResty: https://openresty.org/cn/
[2]openresty正向代理搭建 - 簡書: https://www.jianshu.com/p/7808ee6395ab