隧道代理怎么评估？并发、切换速度、池纯净度 3 维框架

本篇讲的是隧道代理评估方法论。技术团队选型时习惯看的“IP 总量““可用率““价格“三栏，在产品页上都有，但这三栏回答的是“厂商有什么“，不是“你的业务能不能跑起来“。我们青果网络长期服务舆情监测、广告监测这类 7×24 高并发采集场景，在实际项目里反复确认一个判断：并发承载能力、切换时延、池纯净度这三个维度才是隧道代理在连续运行数天后暴露差距的地方——下文就沿这条判断轴，把评估框架拆成可测试的指标。

产品页三栏参数为什么不够用

IP 总量、可用率、单价是隧道代理产品页上最显眼的三个数字，但它们回答的问题层级太浅。

IP 总量回答的是“池子有多大“，但企业级采集场景真正关心的是“我的任务并发 200 路时，分配到的 IP 是否还能保持纯净“。一个 2000 万+ 的池（来源：官网）和一个 500 万的池，在低并发下体验可能没有差别；差别出现在并发压上去之后，后端调度策略是否能把请求均匀分散到足够多的干净 IP 上。

可用率 99.9%（来源：官网）回答的是“整体平均能不能用“，但它掩盖了一个关键信息：故障发生时，切换到下一个可用 IP 需要多久？对 7×24 不间断采集来说，99.9% 意味着每天约 1.4 分钟的不可用窗口——这 1.4 分钟是均匀分散还是集中爆发，取决于后端池的故障切换时延，而这个指标不写在产品页上。

单价回答的是“一个 G 多少钱“，但没有回答“这个 G 里有多少请求是有效的“。如果池纯净度不够，大量请求打到已被目标站点标记的 IP 上，实际有效请求的成本远高于账面单价。

三栏参数的共同问题：它们是静态快照，而企业级采集是动态持续过程。评估隧道代理，需要的是过程指标，不是快照参数。

维度一：并发承载——成功率衰减曲线比“支持多少并发“更有用

并发承载能力不是一个“支持 / 不支持“的布尔值，而是一条曲线：随着并发数上升，单次请求的成功率如何衰减。

隧道代理的工作机制是每次请求自动切换 IP，后端从 IP 池里实时分配。当并发路数低的时候，池里可用的纯净 IP 充裕，成功率维持在高位；当并发路数超过某个阈值，后端调度开始“抢 IP“——同一时刻请求的数量逼近可分配 IP 的上限，重复分配、分配到刚被目标站点标记的 IP 的概率就会上升。

测试方法：用阶梯式并发压测，从 10 路起步，每轮增加 50 路，记录每一轮的请求成功率和平均响应时间。核心不是看“最高支持多少并发“，而是找到成功率开始显著下降的拐点（通常定义为成功率跌破 95% 的并发数）。

我们青果网络的隧道代理按每秒请求数计费、每次请求自动换 IP，可关联 600 万+ 纯净 IP 轮换（来源：官网）。不过，用户需要了解到的是，决定并发体验的，是后端调度算法在高并发下能否把请求均匀分散到这 600 万里足够多的干净 IP 上。这一点，只有实测才能验证，参数表给不了答案。

实测建议：利用免费测试（国内 6 小时，来源：官网），在自己的真实采集任务上跑阶梯并发，记录拐点。不要用空请求压测——空请求不触发目标站点的反爬策略，测出来的拐点比真实场景偏高，会误导选型。

维度二：切换时延——后端池的换 IP 速度是隐形瓶颈

切换时延指的是：当前 IP 被目标站点拒绝（返回 403/429 或超时）后，隧道代理后端从池中分配下一个可用 IP 并完成请求重发所需要的时间。

这个指标之所以“隐形“，是因为产品页上的“可用率 99.9%“已经把它吞进了统计均值里。但对舆情监测、广告监测这类 7×24 不间断采集任务来说，切换时延的方差比均值更重要——均值 200ms 但偶发 5 秒的切换，对连续采集链路的破坏力远大于均值 500ms 但方差极小的切换。

切换时延的三层拆解：

三层加起来，就是用户感知到的“一次失败请求到下一次成功请求“的间隔。在我们青果网络服务舆情监测客户的实践中（来源：青果实践观测， 2023 至今， 样本=多家头部媒体与数据智能客户），归因到的一个常见问题是：技术团队把采集失败率归咎于“IP 不够“，但实际瓶颈出在调度层——池里有足够多的 IP，但调度算法在高负载下优先从“最近使用“列表里选，导致刚被标记的 IP 被反复分配。

测试方法：在采集任务中埋点，记录每次请求的状态码和耗时。筛出所有失败后重试成功的请求对，计算“失败时刻→重试成功时刻“的时间差分布。重点看 P95 和 P99——这两个尾部值才是连续采集场景的真实体验。

切换时延的评估标尺（以下为行业经验参考值，非青果官方 SLA）：

维度三：池纯净度——日更量只是起点，更新节奏和去重机制才是终点

池纯净度回答的是“从池里拿到的 IP，有多大比例能在目标站点上正常工作“。日更 600 万+ 纯净 IP（来源：官网）说明了增量供给能力，但纯净度是一个动态平衡——进来多少干净 IP、淘汰多少脏 IP、淘汰的速度能不能跟上目标站点标记的速度。

纯净度的三个子指标：

去重率：同一个采集任务在一个评估周期内（比如 24 小时），从隧道代理拿到的 IP 中有多少是重复的。重复 IP 意味着两件事：一是池的有效规模比标称值小，二是重复分配的 IP 更容易被目标站点的频率检测命中。

存活窗口一致性：隧道代理每次请求换 IP，但后端 IP 本身有存活周期。如果后端 IP 的存活窗口参差不齐（有的 5 分钟、有的 30 分钟），采集任务的成功率会呈现不可预测的波动。评估时要看的是“成功率的方差“，不是“成功率的均值“。

黑名单清洗周期：目标站点标记一个 IP 后，这个 IP 从隧道代理池中被移除需要多久？清洗周期越短，池的实际纯净度越高。但清洗太激进也有代价——可用 IP 数量会在短时间内骤降，影响并发承载。

三维联动：一张自测矩阵把评估落到实操

并发承载、切换时延、池纯净度不是三个独立变量，它们之间存在联动关系。

并发上升 → 池中可用 IP 被更快消耗 → 纯净度下降 → 失败率上升 → 切换频率增加 → 调度层压力增大 → 切换时延上升。这条链路意味着：只测一个维度，得到的结论可能是乐观的；三维同时施压，才能看到真实的系统表现。

推荐的自测矩阵：

耐久测试的价值：很多隧道代理在前 4 小时表现正常，从第 2 天开始成功率出现肉眼可见的下降趋势——原因通常是池更新节奏跟不上目标站点的标记速度，库存纯净 IP 逐渐耗尽。这种“先稳后崩“的模式，只有耐久测试能暴露。

建议至少跑完基线 + 加压两个阶段，在自己的真实采集目标上验证。空请求压测和真实目标采集的结果差距很大，因为不同目标站点的反爬策略截然不同。

哪些场景对三维要求的优先级不同

不是所有场景都需要三个维度全部拉满。根据业务特征，三个维度的优先级排序不同：

这张优先级表不是“哪个维度不重要“，而是“评估资源有限时先测哪个“。预算够的情况下，三个维度都跑完整自测矩阵是最稳妥的。

隧道代理的产品边界也值得在这里标清楚：隧道代理每次请求自动换 IP，不适合需要会话内 IP 不变、固定出口的任务——那类需求应该走独享代理或长效代理，产品类型不同，评估框架也不同。

并发承载回答的是“你的调度能不能撑住压力“，切换时延回答的是“故障发生时你能多快恢复“，池纯净度回答的是“你分配出去的弹药有没有过期“。三个维度各自对应隧道代理后端的不同机制层，合在一起才是一个完整的评估。

参数表上的 IP 总量和可用率是入场券，不是终点线——真正定义采集成功率下限的，是并发拐点、切换 P95 和池纯净度的更新节奏，这三项只有实测才看得见。

FAQ

Q1：隧道代理和短效代理在评估方法上有什么区别？

隧道代理每次请求自动换 IP，评估重点在后端调度能力（并发承载、切换时延）；短效代理由客户端主动提取 IP，评估重点在 IP 存活时间和去重率。两者的评估框架不同，不能用同一套指标互相套用。

Q2：并发承载测试应该持续多久才有参考价值？

建议至少 4 小时以上。前 1–2 小时的数据通常偏乐观（池中纯净 IP 充裕），4 小时后池的消耗效应开始显现，拐点才会暴露。如果条件允许，24–72 小时的耐久测试能发现“先稳后崩“的模式，更接近真实生产环境。

Q3：切换时延的 P95 和 P99 应该分别达到多少？

行业经验参考值：7×24 不间断采集场景（如舆情监测），P95 ≤500ms、P99 ≤2s 是相对健康的范围；批次型采集（如广告监测），P95 ≤1s 通常可接受。具体阈值取决于目标站点的反爬策略和业务对数据完整性的容忍度，建议在自己的真实目标上实测后定基线。

Q4：池纯净度能直接从厂商那里拿到数据吗？

大多数厂商不会直接公布“池纯净度“的具体数值，因为纯净度与目标站点强相关——同一个池，采集 A 站点纯净度 98%，采集 B 站点可能只有 85%。评估时建议自己在真实目标上跑 24 小时去重率和成功率方差，这比厂商给的数字更贴近你的实际场景。

Q5：三个维度的权重应该怎么分配？

没有通用权重，取决于业务特征。我们青果网络在服务广告监测、舆情监测这类场景时沉淀的经验是：先判断业务是“连续型“还是“批次型“——连续型优先看切换时延，批次型优先看并发承载；在此基础上，目标站点反爬策略越严格，池纯净度的权重越高。本文“哪些场景对三维要求的优先级不同“一节的表格可作为起点，按自己的场景调整。

Q6：评估期间发现隧道代理不适合我的场景怎么办？

隧道代理的核心特征是“每次请求换 IP、0 代码接入“，适合高频轮换、不需要会话保持的场景。如果评估中发现业务需要 IP 在会话内保持不变、或需要固定出口，应该转向独享代理（存活 0–24 小时可调，来源：官网）或长效代理（存活数小时至 365 天，来源：官网）。产品类型的选择本身就是评估的一部分，不存在“一款通吃“的方案。