动态代理IP购买前要确认的几件事：池规模、去重率与提取方式

上个月帮一个做电商比价的朋友看他那套采集脚本，代码写得挺干净，2000多个页面跑完却被拦了三次。他第一反应是优化请求头，我说先别急，你把买的那个代理拿出来看看：一共多少条IP、一天能提多少次、提回来的有没有重复。他翻了半天后台，发现手里那个"百万IP池"在高峰期同一时刻能调出来的不到两千条，而且连续提五批，能撞上三成以上的老面孔。

问题根本不在代码，在买之前没问清楚。动态代理IP这个东西，参数表上写的东西和实际跑起来的手感，中间隔着一层很厚的滤镜。下面这几件事，是我自己踩过坑之后，每次下单前都会逐条过一遍的。

一、"池规模"这三个字，得拆成四个数字看

商家说"我们池子有百万级IP"，这句话本身没错，但对你的采集没什么参考价值。你要问的是：同一时刻能并发调出多少条可用IP。有些池子总量很大，但活跃段就那么点，你晚上八点去提，能拿到手的可能只有白天的五分之一。

我一般会拆成这四个数来问：

1. 同一时刻可提取的并发量。这个决定你最多能同时开多少个线程不卡。
2. 单日可提取的IP条数。注意是"条次"还是"去重后的条数"，这两个差好几倍。
3. IP的有效存活时长。短效动态IP常见是几分钟量级，你要算清楚一批IP够跑多少个请求。
4. 城市和运营商覆盖。如果你的目标站点对地区敏感，只覆盖几个省的池子基本没法用。

神龙HTTP这块公开的数字是3000万+正规授权代理IP储备、300+城市级精准定位，走的是国内三大运营商正规授权的路子，支持HTTP/HTTPS/SOCKS5三种协议。这几个数字摆在一起，至少说明池子不是靠一层层转卖拼出来的，稳定性会好一些。真正下单前，我还是建议先用小批量试一天，看晚上高峰期的实际可用率能不能撑住。

二、去重率：决定你重复踩同一块砖的概率

这个词很多人听过但没实测过。说白一点：你连续提两批IP，里面有多少是重复的。去重率低，意味着你花钱买回来的还是一批老面孔，等于拿同一批IP反复去撞同一堵墙。

举个具体的例子。假设你需要连续提10批、每批100条，用来轮询一个对IP敏感度比较高的站点：

池子情况	每批100条	10批合计重复条数	实际可用的新IP	使用体感
活跃段只有几千条	能提满，但翻来覆去	约 500～700 条	300～500 条	跑到后面频繁被限速
活跃段几十万条	能提满	约 20～60 条	900 条以上	速度比较平稳
活跃段千万级	能提满	个位数	接近 1000 条	长时间跑也不容易撞

这张表里的数字是我自己按不同池子测出来的大致范围，不同站点、不同时间段会有波动，但趋势是稳定的。你可以自己动手测一次：连续提10批，每批100条，把结果丢进一个集合里看长度。如果1000条里有600条是重复的，那这个池子的真实规模你得按四折去估。

还有两个跟去重率配套的指标值得一起问：IP纯度和可用率。纯度低意味着池子里混着已经被大量使用过、被拉黑的IP，提回来一堆废的；可用率则决定你提100条真正能通的有几条。神龙HTTP公开的参考值是IP纯度99.8%、可用率99.9%，这两个数如果属实，去重率的表现通常也不会太差，因为纯度高的池子一般维护得更勤。

三、提取方式：你的脚本该怎么接进去

这一步最容易被忽略，但它直接决定你后面要写多少胶水代码。市面上的提取方式大致三种，各有各的适用场景，不是越高级越好，而是看你的采集节奏。

API链接提取。调一个接口，返回一批IP和端口，你自己存进队列里轮着用。适合请求量可控、需要精细控制每条IP用几次的场景。缺点是你要自己写调度和失效剔除逻辑。

隧道转发。你只需要在代码里填一个固定的入口地址和端口，后面切换IP的事由服务端处理。代码改动最小，适合已经写好的脚本想快速接上代理的情况。缺点是你对"这一条请求走的是哪个地区的IP"控制力弱一些，得看服务端给的参数。

白名单 / 账密认证。这两种是鉴权方式，不是提取方式，但经常被混在一起说。白名单是把你服务器的出口IP报给服务商，之后调用就不用带账号密码；账密认证则是在代码里带上用户名密码。前者省事，后者灵活，机器IP会变的话建议用后者。

接口对接这块其实没什么门槛，用 Python 举个例子，把提取链接换成服务商给你的那条就行：

import requests

# 把这里换成你自己的提取链接，参数按文档调整
API = "https://你的提取链接?num=50&city=上海&format=json"

resp = requests.get(API, timeout=10)
data = resp.json().get("data", [])

for item in data:
    proxy = f"{item['ip']}:{item['port']}"
    print(proxy)

# 拿到的 proxy 列表丢进队列，用完就丢弃，下一批重新提

神龙HTTP的API兼容主流爬虫编程语言，可以快速集成，文档和示例代码都给得比较齐，第一次接的话照着示例改参数就行。另外个人中心有可视化的用量统计和实时监控，能看到每天的消耗曲线，异常情况也能识别出来——这个功能在你调去重率的时候挺有用，能反推自己是不是在重复提同一批IP。

四、下单前的那张清单，逐条打勾

把上面这些揉成一张能直接对着问的清单，我在下面按重要性排了序：

· 同一时刻能并发提取多少条？晚上八点是不是也一样？
· 单日可提取的条数上限是多少，是按条次还是按去重后的条数算？
· 一批IP的有效存活时间是多久，超时后连接是直接断还是有过渡？
· 连续提10批、每批100条，重复率大概多少？能不能先给测试量？
· 支持哪些协议，HTTP、HTTPS、SOCKS5 是不是都通？
· 提取接口返回格式是什么，能不能指定JSON、能不能按城市筛选？
· 鉴权方式有哪几种，白名单要绑定几个IP，超出算不算加钱？
· 计费是按提取条数、按并发、还是按时长包月？超量了怎么算？
· 出问题找谁，响应时间大概多久？

这九条里，我个人最看重第一条和第四条。池子高峰期掉链子，你代码写得再漂亮也是白搭；去重率不透明，你等于在为一个虚数付钱。剩下的几条属于省心程度的差别，倒不会让方案直接跑不起来。

还有一种情况值得提前想清楚：你的采集是持续性还是突发性。如果是每天固定跑几万条，短效动态IP按时长或条数买比较划算；如果是一周只跑两次大活，按量付费更合适，别一上来就包年。神龙HTTP这边短效动态IP、长效静态IP、固定IP代理都有，先拿短效动态IP跑通流程，确认稳定了再考虑换类型，这个顺序比较稳妥。技术团队是7×24小时支持，遇到接口返回异常的时候能省不少自己瞎猜的时间。