一、这一篇在处理什么
这一篇只处理一件事：在菲律宾运行的静态资源站，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、菲律宾的网络和高峰
晚间高峰明显，移动网络在高峰时抖动更常见。国际访问经常经过较远的转接。短连接、多次握手的页面比长连接更容易被感觉到慢。
排查时：把连接建立时间和源站处理时间分开。连接建立变长而源站处理不变时，先查边缘和调度。
不要这样做：用加大源站 CPU 去解决连接建立慢。CPU 空闲时加机器没有帮助。
三、静态资源站要分开的路径
图片、脚本和样式使用长缓存。带随机时间戳的地址会使缓存失效。
防护边界：这个域名不要开启会改写内容的优化，也不要和动态接口共用缓存键。
验证：同一文件连续请求两次，第二次应在边缘命中。改文件名或版本号后，新文件应能更新，旧文件仍可保留。
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，不要把静态资源站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。
- 图片、脚本和样式分开看命中率。带随机时间戳的地址单独列出。 把连接建立时间和源站处理时间分成两列，晚高峰单独看连接建立。 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。
- 这三类文件使用长缓存。随机参数要从缓存键里去掉，或停止由客户端添加。 源站处理时间正常、连接建立变长时，按国际出口抖动处理。 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。
- 不要对这个域名做会改写文件内容的优化，也不要套用动态接口的规则。 先缩短建连路径或改接入点。不要先给源站加 CPU。 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。
- 源站只接受真正未命中的文件。同一文件不应在短时间内反复整文件回源。 源站 CPU 若仍然空闲，就不要扩容源站。 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。
- 同一文件连续请求两次，第二次应在边缘命中。更换版本号后，新文件能更新，旧文件仍可保留。 用菲律宾当地移动网络复测建连时间。办公室有线网络的结果不算数。 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。
改完后在菲律宾的用户网络上复查，不要只在机房内网看。复查时带上静态资源站的验证：同一文件连续请求两次，第二次应在边缘命中。改文件名或版本号后，新文件应能更新，旧文件仍可保留。
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菲律宾，额外核对：把连接建立时间和源站处理时间分开。连接建立变长而源站处理不变时，先查边缘和调度。
业务侧核对：图片、脚本和样式使用长缓存。带随机时间戳的地址会使缓存失效。
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。每一步都先按静态资源站的路径处理，再按菲律宾的网络条件收窄，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，地区范围是菲律宾，业务范围是静态资源站。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。