google 爬虫太疯狂了，屏蔽它又没排名，放开又被爬死，还不能控制它的爬取频率，怎么办？

[herozzm]

google 爬虫爬起来真的就是 cc 攻击，以前的 google 的站长后台可以控制爬取频率，被下了，真是无语，在服务端 nginx 控制频率不理想，因为限制了 google 爬虫的频率，大部分时候是返回 502 ，google 站长后台就一直提示 502 ，不给排名

[qqjt]

怎么能被 bot 爬死啊，这体量羡慕了

[dzdh]

同问。啥体量能让 bot 爬死。啥服务器配置啊。

[potatowish]

字节的 bot 才叫疯狂

[daohanghao]

我都多来爬一下，你倒好，不需要。。。

[herozzm]

@qqjt
@dzdh
数据是即时的，爬虫真的很疯狂，每秒估计有上百的并发

[herozzm]

@potatowish 字节的反而不咋地，一天 10 个以内，流量根本没有

[darkengine]

谷歌一秒上百次的爬？什么站这么牛啊 。。。

[herozzm]

@darkengine 不是一个站，是几个站放在一台服务器，每个站 10 个左右，加起来的并发，他们共用 cpu 资源

[HackerQED]

@herozzm 老哥，你考不考虑前端放 vercel 之类的托管平台，需要计算的再单独到你服务器？

托管平台总不会爬挂了，看你本体流量也不是很大，不费钱。

[nomagick]

垃圾站是吧。。

[AlexRoot]

@nomagick #10 感觉一语道破。

[knva]

垃圾站能不能 414

[wonderfulcxm]

没经历的哥们很难想象，它是真的会很疯狂，我们网站也经历过，只能限制速率，不要返回 502 ，返回 503 。就一个新闻网站，有编辑团队和纸版杂志，不是什么垃圾站，话说这跟垃圾站有什么关系？

[rambeaufinal]

不能升级一下服务器的配置吗？

[NewYear]

robots.txt 不是可以规定爬取频率么，实在觉得占用性能，搞缓存啊，静态化啊

[herozzm]

@NewYear robots.txt 不行啊，我加入了限制，google 站长后台直接提示 robots.txt 错误，你是什么格式呢？

[herozzm]

@wonderfulcxm 我将 503 改成 429 ，应该也没问题吧

[e3c78a97e0f8]

搞个 cache 呗，每次 GoogleBot 访问都给几分钟甚至几小时前的结果，这 CPU 利用率就能降下去了吧。

[linyongxin]

如果可以，生成静态化或缓存，减少数据库读取

[kong0bbs]

在前面挂 1 个 cloudflare cdn 试试。