内存飙升！记一次nginx拦截爬虫-小浪学习网

本篇文章给大家带来了关于nginx的相关知识，其中主要介绍了nginx拦截爬虫相关的，感兴趣的朋友下面一起来看一下吧，希望对大家有帮助。

前言：

最近发现服务器在某个时间段，内存疯狂飙升，开始还以为是正常的业务造成的，升级服务器内存，发现还是没有解决问题；（这里自己偷懒了，一开始没有找到问题，默认为就是业务量上来了）

马上查看 nginx 日志，发现了一些不同寻常的请求：

内存飙升！记一次nginx拦截爬虫

这是什么玩意，怀揣着好奇心马上去搜索了一下，结果：

内存飙升！记一次nginx拦截爬虫

好家伙，差点没把我服务器送回家；

赶紧解决：

nginx 层面解决

发现虽然是爬虫，但是并没有伪装，每个请求里边都带了 user-agent，而且都是一样的，那就好解决了，直接上代码：(我这里适用的是 docker)

1、docker-compose

version: '3' services:   d_nginx:     container_name: c_nginx     env_file:       - ./env_files/nginx-web.env     image: nginx:1.20.1-alpine     ports:       - '80:80'       - '81:81'       - '443:443'     links:       - d_php     volumes:       - ./nginx/conf:/etc/nginx/conf.d       - ./nginx/nginx.conf:/etc/nginx/nginx.conf       - ./nginx/deny-agent.conf:/etc/nginx/agent-deny.conf       - ./nginx/certs:/etc/nginx/certs       - ./nginx/logs:/var/log/nginx/       - ./www:/var/www/html

2、目录结构

nginx -----nginx.conf -----agent-deny.conf -----conf ----------xxxx01_server.conf ----------xxxx02_server.conf

3、agent-deny.conf

if ($http_user_agent ~* (Scrapy|AhrefsBot)) {     return 404; } if ($http_user_agent ~ "Mozilla/5.0 (compatible; AhrefsBot/7.0; +http://ahrefs.com/robot/)|^$" ) {     return 403; }

4、然后在每个 service 里边 include 这个 agent-deny.conf

server {     include /etc/nginx/agent-deny.conf;     listen 80;     server_name localhost;     client_max_body_size 100M;     root /var/www/html/xxxxx/public;     index index.php;     proxy_set_header X-Real-IP $remote_addr;     proxy_set_header X-Forwarded-For $remote_addr;     proxy_set_header REMOTE-HOST $remote_addr;     proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;      #客户端允许上传文件大小     client_max_body_size 300M;      #客户端缓冲区大小，设置过小，nginx就不会在内存里边处理，将生成临时文件，增加IO     #默认情况下，该指令,32位系统设置一个8k缓冲区，64位系统设置一个16k缓冲区     #client_body_buffer_size 5M;     #发现设置改参数后，服务器内存跳动的幅度比较大，因为你不能控制客户端上传，决定不设置改参数      #此指令禁用NGINX缓冲区并将请求体存储在临时文件中。 文件包含纯文本数据。 该指令在NGINX配置的http，server和location区块使用     #可选值有：     #off:该值将禁用文件写入     #clean：请求body将被写入文件。 该文件将在处理请求后删除     #on: 请求正文将被写入文件。 处理请求后，将不会删除该文件     client_body_in_file_only clean;       #客户端请求超时时间     client_body_timeout 600s;      location /locales {        break;     }      location / {         #禁止get请求下载.htaccess文件         if ($request_uri = '/.htaccess') {             return 404;         }         #禁止get请求下载.gitignore文件         if ($request_uri = '/storage/.gitignore') {             return 404;         }         #禁止get下载web.config文件         if ($request_uri = '/web.config') {             return 404;         }         try_files $uri $uri/ /index.php?$query_string;     }      location /oauth/token {         #禁止get请求访问 /oauth/token         if ($request_method = 'GET') {             return 404;         }         try_files $uri $uri/ /index.php?$query_string;     }      location /other/de {         proxy_pass http://127.0.0.1/oauth/;         rewrite ^/other/de(.*)$ https://www.baidu.com permanent;     }      location ~ .php$ {         try_files $uri /index.php =404;         fastcgi_split_path_info ^(.+.php)(/.+)$;         fastcgi_pass d_php:9000;         fastcgi_index index.php;         fastcgi_param SCRIPT_FILENAME  $document_root$fastcgi_script_name;         fastcgi_connect_timeout 300s;         fastcgi_send_timeout 300s;         fastcgi_read_timeout 300s;         include fastcgi_params;         #add_header 'Access-Control-Allow-Origin' '*';         #add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS, PUT, DELETE';         #add_header 'Access-Control-Allow-Headers' 'DNT,X-Mx-ReqToken,Keep-Alive,User-Agent,X-Requested-With,If-Modified-Since,Cache-Control,Content-Type,Authorization,token';     } }

这样每个请求里边都会拦截这个 AhrefsBot 了。

阿里云安全组拦截

分析日志还发现，其实请求的 IP 就那么几个段，那么为了多重保证（阿里云这个是见效最快，效果最好的，付费的就是不一样）

ip 段：