假百度蜘蛛？CDN及虚拟主机用户须慎重辨明

对于真假百度蜘蛛，相信SEO及站长们已经有明确的手段去辨别了。百度也在官方通告了如何去判别伪装成百度蜘蛛的抓取，详情请参考这篇文章：http://www.baidu.com/search/spider.htm

假蜘蛛对我们网站的危害是巨大的，具体有：

1.占用网站带宽，导致网站流量上升，增加额外开销

2.在有限带宽的前提下，阻碍了正常蜘蛛的抓取

3.误导了我们在对网站开展SEO工作时的思路

4.部分伪装成假蜘蛛的采集工具剽窃了我们的工作

我们看到，网上有很多人在分享如何“捉住”假蜘蛛的文章，但这些文章只是千篇一律的描述了“捉住”假蜘蛛的过程及操作方法。却没有分享从如何真正的判别蜘蛛的真伪。

作者本人最近在对一个电商网站进行SEO优化时，就碰到了这样一个案例，险些导致将真蜘蛛错当假蜘蛛来处理。

一、发现“假蜘蛛”

SEO优化要依靠大量的分析和数据来实现，其中日志分析是重中之重，在日志中我们可以看到很多平时统计工具无法看到的数据和事实。

每周三我都要对该电子商务网站进行周日志的分析，以便来统计上一周的优化效果，在本周进行对网站日志进行分析查看时，我发现了几个不属于认识中的“蜘蛛IP”，如图：

我们知道，百度蜘蛛一般来自于202.181.108.* 和123.125.71.* 这两个IP段（顺便科普一下，这两个IP段的百度蜘蛛没有所谓高权重和降权之分）。显然这三个IP在“常识”中，不属于百度蜘蛛所属的IP段。

为了确保不误杀百度蜘蛛，笔者用nslookup ip命令反解了此IP，得到以下信息：

这个时候，基本已经可以确定该IP不属于百度蜘蛛的IP段，是一个“假蜘蛛”，我们需要屏蔽该IP释放那些被占用的带宽。

二，误会“假蜘蛛”

就在要对以上提到的三个IP进行屏蔽的时候，笔者突然想到，这个电商网站在上周通知我他们要使用安全宝服务，需要将DNS解析到安全宝的服务器上，而安全宝则会根据用户的访问情况，选择距离最近的一个节点进行CDN加速。

在我之前的例行SEO检查中，发现网站IP被解析到了陕西的一个IP上，而这个网站IP和这次我从网站日志中发现的三个“假蜘蛛”IP属于同一IP段。

为了验证这个推测，我又重新仔细查看了网站日志，发现谷歌蜘蛛和搜狗蜘蛛也来自于之前三个IP（之前对网站日志进行了拆分，只查看百度的情况，因为网站是针对百度做SEO的）。

这下子总算清楚了，这些所属IP的蜘蛛不是假蜘蛛，而是货真价实的百度蜘蛛、谷歌蜘蛛和其他搜索引擎的蜘蛛。只不过因为他们通过了一次CDN节点，所以造成了他们的来源IP是一致的。

三，虚拟主机如何产生“假蜘蛛”

由此笔者突然想到，之前在阅读相关文章的时候，经常会看到有站长抱怨发现假蜘蛛，来自XX机房（就那么一两家机房）。

这是一件很奇怪的事情，莫非采集工具和假蜘蛛都产自这个机房？事实自然不是那样的，而是：

1.很大一部分发现假蜘蛛的站长，所使用的是某主机供应商提供的集群主机，或类似性质的虚拟主机。

2.集群性质的虚拟主机，同CDN的道理是相同的，即将客户的空间和站点资料同步到同一个群组的所有服务器上。

3.蜘蛛的来源不同，一些是直接访问站点的，另一些是通过一些外链访问站点的。而这些通过外链访问站点的蜘蛛，会就近通过CDN节点访问。

4.CDN节点每家公司都不一样，但大致分为地域大区（不是省）和电信、网通这样的方式划分。

5.那些通过CDN节点访问网站的蜘蛛，来源IP自然不是从北京总部出发时的IP。

最终事情得到了很好的解决，该电商网站自优化以来效果一直良好，虽然采用了CDN，但事实证明CDN对搜索引擎而言没有任何障碍，反而有利于网站速度和提高用户体验。

这个SEO案例也同时告诉我们，网上的SEO教程是会过时的，随着互联网的进步，我们SEO也要学会理智的去对待一些教程和分享，要有质疑和勇于实践的精神，同时对互联网的一些基本的技术知识要有所了解。