一、这一篇在处理什么
这一篇只处理一件事：在香港运行的出海营销站，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、香港的网络和高峰
交易和晚间活动重叠时最忙，白天也有稳定流量。到华南和东南亚都近，常被当成回源点。回源集中在香港时，香港出口会先满。
排查时：分开看「用户到香港」和「香港到源站」。前一段慢是调度问题，后一段慢是回源问题。
不要这样做：所有地区都回源到香港。离香港远的用户会在回源这一段变慢。
三、出海营销站要分开的路径
落地页、统计参数和表单提交分开。落地页可以缓存，表单地址使用最终的安全地址，避免再跳一次。
防护边界：国家跳转只能用在没有具体内容的入口。已经分享出去的文章地址不要被改到对方国家的首页。
验证：从另一个地区打开分享链接，应看到原文而不是首页。广告参数在最终页面上仍然存在。
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，不要把出海营销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。
- 落地页、带统计参数的访问和表单提交分成三列。 把「用户到香港」和「香港到源站」分成两段计时。 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。
- 国家跳转只允许发生在没有具体内容的入口。分享出去的文章地址不要被改到首页。 前一段慢就处理调度，后一段慢就处理回源。不要两段用同一个动作。 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。
- 落地页可以缓存。表单直接提交到最终的安全地址，避免再跳一次。 其他地区若都回源到香港，先把远地区的回源移走，避免香港出口被挤满。 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。
- 源站接收表单时核对统计参数还在。参数丢失就先查跳转，不要先改表单程序。 回源调整完成前，不要用重启香港源站来掩盖排队。 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。
- 从另一个地区打开分享链接，应看到原文。广告参数在最终页面上仍然存在。 分别从香港本地和另一个远地区复测这两段时间。 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。
改完后在香港的用户网络上复查，不要只在机房内网看。复查时带上出海营销站的验证：从另一个地区打开分享链接，应看到原文而不是首页。广告参数在最终页面上仍然存在。
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香港，额外核对：分开看「用户到香港」和「香港到源站」。前一段慢是调度问题，后一段慢是回源问题。
业务侧核对：落地页、统计参数和表单提交分开。落地页可以缓存，表单地址使用最终的安全地址，避免再跳一次。
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。每一步都先按出海营销站的路径处理，再按香港的网络条件收窄，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，地区范围是香港，业务范围是出海营销站。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。