爬虫 网站服务器瘫痪,如何解决搜索爬虫高频次抓取导致服务器崩溃的问题

如何解决搜索爬虫高频次抓取导致服务器崩溃的问题

首先声明一点，如果网站能够承受爬虫的高频次访问，那是一件好事，这样有利于网站页面收录，提升网站来自搜索的访问量。但一旦承受不了，我们可以进行如下的操作。

方法一

第一步，注册并登录百度站长平台

第二步，提交网站并验证归属，具体验证网站归属方法可见帮助文档

第三步，选择左侧“站点管理”

第四步，在已认证归属的站点列表中选择需要查询的站点

第五步，选择左侧“抓取压力反馈”

第六步，得到站点抓取压力曲线图及压力调整入口页面

第七步，选取站点压力反馈，调整滑块至您想要压力值，提交反馈

(注：当前数值，是网站当前在百度的有效抓取压力上限值。压力上限是指一天内baiduspider抓取的最多网页数量。)

第八步，查看反馈记录，百度会以最新的反馈信息为准，对网站的抓取压力进行调整

方法二

优化robots.txt

很多建站新手对robots.txt文件的重要作用不是很清楚，利用这篇文章普及一下WordPress站点robots.txt文件编写知识。

Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol)，网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

搜索引擎机器人访问网站时，首先会寻找站点根目录有没有 robots.txt文件，如果有这个文件就根据文件的内容确定收录范围，如果没有就按默认访问以及收录所有页面。另外，当搜索蜘蛛发现不存在robots.txt文件时，会产生一个404错误日志在服务器上，从而增加服务器的负担，因此为站点添加一个robots.txt文件还是很重要的。

知道Robots协议的作用后，下面具体说一下WordPress站点如何编写robots.txt文件。

WordPress站点默认在浏览器中输入：http://你的域名/robots.txt，会显示如下内容：</