代理不稳定，问题一定出在供应商身上吗？

不一定。企业级代理服务出现异常时，超过60%的工单最终定位结果是客户端配置或本地网络问题，而非供应商侧故障。

很多技术团队遇到采集任务成功率下降、响应超时增多，第一反应是"供应商的代理质量变差了"。但实际排查下来，故障可能出现在以下任意一层：

这组数据来自行业内多家企业级采集团队的运维复盘，口径不完全一致但趋势明确：超过一半的"代理不稳定"其实不是代理本身的问题。

先搞清楚问题出在哪一层，再决定是自己改配置还是找供应商，这是高效排查的前提。

本地排查应该先检查什么？

先排除本地网络和基础配置，这两项是最容易定位也最容易被忽略的。

第一步：本地网络连通性测试

用最简单的方法验证：不走代理，直接从采集服务器访问目标站。如果直连也超时或丢包，问题就不在代理侧。

具体操作：

1. 从采集服务器直连目标站，记录延迟和丢包率
2. 用curl -x指定代理访问同一目标站，对比延迟差异
3. 同时测试2-3个不同目标站，排除单站点因素

第二步：配置参数自查清单

以某舆情监测团队的真实排查为例：他们的采集任务连续3天成功率从95%降到70%，提了两次工单，供应商排查后反馈"服务端无异常"。最终发现是运维同事变更了服务器出口IP，导致白名单鉴权失败，失败请求被计入了成功率统计的分母。修正白名单后立刻恢复。

这类问题如果一开始就跑完自查清单，5分钟就能定位，不需要等供应商48小时内的工单反馈。

怎么判断是目标站点的访问频率控制导致的？

看症状的选择性：如果只有特定目标站异常、其他站正常，大概率是目标站侧的策略变化。

目标站点的访问频率控制策略一直在升级，尤其是电商、社交、招聘类平台。这类异常有几个典型特征：

• 验证码频率骤增：同一目标站的验证码触发率从5%以下突然跳到30%以上
• 空响应或延迟响应增多：返回200状态码但body为空，或响应时间从200ms涨到3s以上
• 特定地域IP成功率明显低于其他地域：某些地域的IP被目标站集中标记

排查方法：

1. 对比同一时间段内不同目标站的成功率曲线。如果只有1-2个目标站掉，基本可以排除代理服务问题
2. 降低对该目标站的请求频率到原来的1/3，观察成功率是否回升
3. 切换不同的代理模式测试。比如把原来的短效代理换成隧道代理或独享代理，看成功率变化

以广告监测场景为例：某团队每天要抓取多个广告平台的投放数据，突然某一个平台的成功率骤降。排查后发现该平台上线了新的访问频率控制规则，对同一IP在10秒内超过5次请求的直接返回空页面。调整请求间隔和IP轮换策略后，问题解决。这种情况下找供应商是没用的，因为代理服务本身没有任何故障。

确认是供应商问题后，沟通时该带哪些数据？

带上时间段、异常指标、排除项这三组数据，能让供应商在第一轮沟通就定位到具体节点。

技术决策者最容易犯的错误是"描述感受而不是描述数据"。"你们代理最近很不稳定"这种反馈，供应商拿到后只能从全局日志里盲查，效率极低。

高效沟通模板：

以网站采集器场景为例：某数据团队在大规模采集公开数据时遇到间歇性超时，按上述模板整理后发给供应商，供应商15分钟内就定位到是某个地域节点的带宽跑满了，当天完成扩容。如果只说"代理很慢"，排查周期可能拉到3天以上。

沟通话术建议：

用"协同排查"的姿态而不是"投诉追责"的姿态。具体话术差异：

供应商给出排查结论后，怎么验证？

不要只看结论，要看恢复时间点和指标是否对得上。

供应商常见的反馈有三类：

1. "已修复，请验证"：记录修复时间点，对比修复前后15分钟的成功率、延迟、超时率。指标明确回升才算确认。只看"好像正常了"是不够的
2. "服务端无异常"：这时候要回头检查是不是自己漏了什么排查项。把自查清单重新过一遍，特别注意DNS缓存、鉴权过期、协议不匹配这三个最容易遗漏的点
3. "已知问题，预计X小时修复"：评估业务影响，决定是等修复还是临时切换备用通道。企业级采集团队建议始终保留一条备用通道

验证检查清单：

怎么建立长期监控机制，减少"不稳定"的发生？

与其每次出问题再排查，不如建立持续监控基线，让异常在影响业务之前就被发现。

监控指标建议：

基线建设步骤：

1. 选一个业务量稳定的时段，连续采集7天的监控数据，建立各指标的正常范围
2. 设置告警规则，异常触发后自动采集最近5分钟的请求日志作为排查素材
3. 每月和供应商做一次服务回顾，拿监控数据说话，而不是靠印象

以舆情监测场景为例：某团队对接了20多个新闻源的采集任务，日均请求量过百万。他们搭建了一套自动化监控看板，一旦某个通道的5分钟成功率连续低于90%，自动发告警并保存请求日志。运行半年后，平均故障定位时间从原来的4小时缩短到30分钟以内。

供应商服务能力的评估维度：

定期评估供应商在故障响应方面的表现，也是长期合作的重要参考。

好的供应商不只是"修好了"，而是能告诉你"为什么坏的"以及"怎么避免下次再坏"。

FAQ

Q：代理IP服务出现间歇性超时，是换供应商还是继续排查？

先排查。间歇性超时的原因很多，本地DNS缓存、目标站临时策略调整、套餐并发超限都可能导致。按分层排查流程跑一遍，定位到具体层再做决策。盲目换供应商，如果问题出在自己这边，换了也一样。

Q：供应商说"服务端无异常"但业务确实受影响了，怎么办？

带数据回去对质。把异常时间段的请求日志、成功率曲线、已排除的本地因素整理成文档发给供应商的技术团队而不是客服。如果供应商能提供同时段的节点日志对比，就能快速判断是不是"局部异常但整体指标正常"的情况。

Q：多供应商策略下，怎么快速判断是哪家的问题？

按通道打标。每个供应商的代理通道单独标记，监控系统按标记分组统计成功率。异常发生时，看哪组通道的指标掉了，就能直接定位到对应供应商。

Q：小团队没有专职运维，最简单的监控方案是什么？

写一个定时脚本，每5分钟通过代理访问3个目标站，记录状态码和响应时间，写入日志文件。成功率低于阈值时发邮件或企业微信告警。整个方案用Python不超过100行代码，部署在任意一台服务器上即可。

Q：采集任务高峰期成功率下降，是正常的吗？

看降幅。高峰期由于并发上升，成功率下降3%-5%属于正常波动。如果降幅超过10%，大概率是并发超出了套餐上限或目标站的访问频率控制策略更严。先检查并发配置是否合理，再看目标站的策略是否有变化。

Q：和供应商签SLA时，稳定性指标应该怎么约定？

核心约定三个指标：月度可用率的承诺值和计算口径、故障响应时效的分级标准、以及超时赔偿机制。注意"可用率"的口径要明确是"API网关可达"还是"请求成功率"，两者差异很大。建议在合同里附上双方认可的监控取数方式，避免后续因口径不一致产生争议。