一、这一篇在处理什么
这一篇只处理一件事：在印度尼西亚运行的H5 活动页，使用维科云的高防 CDN时，如何处理「爬虫占满连接数」。
正常搜索引擎抓取量稳定，异常爬虫会用大量无缓存 URL 把边缘到源站的连接占满。
看来源 ASN、User-Agent 的连接数，以及这些请求的缓存命中率。
二、印度尼西亚的网络和高峰
晚间高峰跨度长，群岛不同城市的高峰不会精确重合。移动网络和海缆路径影响大。雅加达正常，不代表其他岛屿正常。
排查时：不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
不要这样做：一个探测点全绿就认为全国正常。探测点要放在用户多的城市，而不是只放一个。
三、H5 活动页要分开的路径
活动 HTML、图片和报名接口分开。活动结束时间到了之后，旧链接要有明确去向。
防护边界：报名和抽奖接口排除在页面跳转之外。查询参数里的渠道号必须保留。
验证：用带渠道参数的原始链接打开，确认参数还在，并且提交不会因为跳转丢掉表单内容。
四、高防 CDN怎么接
公网只解析到 CDN 的 CNAME，源站安全组只放行回源网段。静态域名使用较长缓存时间，登录、下单和支付接口单独 Bypass，不与图片域名共用缓存键。清洗策略按 Host 分开：活动页可以更严，API 要按路径放行正常的高频轮询。
产品说明见高防 CDN。只改和「爬虫占满连接数」有关的域名或路径，不要把H5 活动页的其他路径一起改掉。
五、排查步骤
下面五步按因果顺序执行，后一步依赖前一步的结果。步骤针对「爬虫占满连接数」，不是一套通用清单。
- 活动页、图片和报名接口分开。渠道参数要出现在统计里。 把雅加达和其他主要城市分成两张表，晚高峰不要用全国平均值。 这一故障在本步要完成的事：按 User-Agent 和 ASN 排序，找出连接数异常的来源。
- 报名和抽奖接口排除在页面跳转之外。渠道号在跳转后必须还在。 首都正常而其他城市失败时，按城市处理，不要当成整国故障。 这一故障在本步要完成的事：核对是否为已声明的搜索引擎网段，避免误伤正常收录。
- 活动页可以缓存。报名接口不缓存。结束日期到了以后，旧链接改去仍存在的页面。 为失败城市单独指定接入点。已经正常的城市不要一起改。 这一故障在本步要完成的事：对未知爬虫降低并发，并优先返回已缓存对象。
- 源站只处理报名接口。不要让活动图片的回源占满报名。 确认海缆路径只影响失败城市后，再决定要不要动源站。 这一故障在本步要完成的事：给无缓存的翻页参数设置访问频率上限。
- 用带渠道参数的原始链接提交一次表单，确认参数还在，并且正文没有在跳转中丢失。 在失败城市加一个探测点复测。只有雅加达一个点是绿的，不算恢复。 这一故障在本步要完成的事：复查站点地图，让正常蜘蛛抓可缓存页面，而不是无限日历页。
六、处理办法
- 已知蜘蛛用单独配额。
- 无意义的参数组合返回 400，不要回源。
- 源站连接数告警与边缘爬虫策略联动。
改完后在印度尼西亚的用户网络上复查，不要只在机房内网看。复查时带上H5 活动页的验证：用带渠道参数的原始链接打开，确认参数还在，并且提交不会因为跳转丢掉表单内容。
七、案例
源站连接数打满，但带宽不高。一个伪装成浏览器的爬虫在抓带随机页码的 URL，全部回源。限制该 ASN 的并发后，正常用户的接口恢复。
若同样的现象出现在印度尼西亚，额外核对：不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
业务侧核对：活动 HTML、图片和报名接口分开。活动结束时间到了之后，旧链接要有明确去向。
这个案例只说明怎么定位，不构成容量或可用性承诺。
八、常见问题
问：能不能直接封掉所有爬虫？
答：不能。正常搜索引擎被封会影响收录。要按网段和频率区分。
问：为什么爬虫不命中缓存？
答：它构造了无限种查询参数，每个 URL 都是新的。
问：限制频率会影响收录吗？
答：对守规则的蜘蛛影响很小。应保证站点地图里的 URL 能够被抓到。
问：同一故障换一个地区或一种业务，排查还一样吗？
答：不一样。每一步都先按H5 活动页的路径处理，再按印度尼西亚的网络条件收窄，最后才做「爬虫占满连接数」这一故障本身的动作。换地区或换业务，前两段操作就会变。
九、边界
只讨论高防 CDN在「爬虫占满连接数」上的处理，地区范围是印度尼西亚，业务范围是H5 活动页。请遵守当地法律。维科云提供网络能力，不对客户业务内容负责。