隧道代理好不好用，主要看哪些实测数据？

本篇讲隧道代理的实测评估维度，核心判断不在参数表漂不漂亮，而在连续运行多天后数据是否还撑得住。我们青果网络长期服务广告监测、舆情监测这类7×24不间断采集业务，在实际项目里反复看到：技术团队拿参数表做选型决策，上线第3天才发现参数和实测之间的落差。

今天，我们就一起把隧道代理的实测维度拆成可操作的基准。

为什么参数表上的”99%可用率”不等于实测可用率？

参数表上的可用率是实验室条件下的统计均值，通常取的是低并发、短周期、单任务的理想场景。企业级采集的真实环境和这套条件之间，至少有三层差距。

第一层：并发量差异。 参数表测的可能是5个请求数以内的基础负载，实际业务跑到20个请求数甚至更高时，后端池的调度压力完全不同。我们青果网络的隧道代理基础包提供5个请求数，对应5Mbps带宽与每秒5次请求（来源：青果网络官网）；每增加1个请求数，带宽与最大请求频率同步线性扩展。但扩展到多大并发时可用率开始衰减，只有实测能告诉你。

第二层：时间跨度差异。 参数表上的可用率往往是24小时甚至更短窗口的快照。连续运行7天、14天后，IP池更新节奏与目标站点访问规则之间的错配会逐渐累积，可用率的衰减曲线才会显现。

第三层：任务隔离差异。 单任务跑出的可用率，和多任务共享同一隧道通道时的可用率，是两个数字。一个任务触发目标站点的频次门槛，是否会拖累同通道内的其他任务，参数表不会告诉你。

这三层差距决定了：拿参数表做选型，等于拿实验室数据预测生产环境。

隧道代理实测该看哪几项核心指标？

基于我们青果网络在广告监测、舆情监测类客户的服务实践（2023至今，累计处理请求量级达数十亿次），沉淀下来的实测指标体系收敛到以下五项。不是越多越好，是这五项能把”好不好用”这个模糊问题拆成可量化的判断。

这五项指标之间不是独立的。切换时延高，连续可用率必然下降；并发隔离度差，可用率衰减斜率会陡增。实测时要一起看，不能只盯一个数字。

切换时延对业务的影响有多大？

隧道代理的核心机制是每次请求自动换IP，切换逻辑下沉到服务端。这意味着切换时延是隧道代理区别于短效代理的关键性能瓶颈。

一个直观的换算：假设采集任务每秒发5次请求（我们青果网络隧道代理基础包的标准配置，来源：青果网络官网），切换时延每增加100ms，单次请求的等待开销就多100ms。累积到每小时18000次请求，多出的等待时间是1800秒，即30分钟。一天下来，这个差值是12小时。

这不是理论推演。在广告监测场景里，采集任务需要在短时间窗口内完成大量广告落地页的地域核验。切换时延从100ms涨到300ms，意味着同样的任务量需要多花近一倍时间，或者必须加倍请求数来补偿吞吐损失。

实测方法：发100次连续请求，记录每次请求从发起到收到响应的时间，减去目标站点本身的响应时间，剩下的就是切换时延。取P50（中位数）和P99（第99百分位）两个值，P50反映常态，P99反映极端情况。

连续运行7天以上，可用率衰减曲线长什么样？

大多数隧道代理产品在前48小时的表现都不差。真正拉开差距的是第3天到第7天这个窗口。

衰减的根因：隧道代理的后端IP池不是静态的，日更600万+纯净IP（来源：青果网络官网）意味着池里的IP每天都在大规模轮换。目标站点的访问规则也在动态调整。当池更新节奏和目标站点的规则调整频率出现错位，可用率就开始滑坡。

健康的衰减曲线 vs 需要干预的衰减曲线：

（来源：青果实践观测，2024-2025，样本=广告监测与舆情监测场景数百家企业客户的连续运行数据）

衰减曲线陡的，通常归因到两件事：一是后端池的故障IP筛除不够及时，二是单个通道内多任务共享导致某些IP被目标站点集中标记。前者靠厂商的池维护能力，后者靠业务分池技术做任务级隔离。

实测方法：拿真实采集任务连续跑7天，按小时粒度记录成功率，画出时间序列图。重点看第3天和第5天是否出现断崖式下跌。如果第3天就跌破98%，说明后端池更新节奏和目标站点的匹配出了问题。

并发任务之间的隔离效果怎么测？

这是很多技术团队在选型时忽略的维度。单任务实测再好看，上线后跑3个业务线共享同一套隧道通道，表现可能完全不同。

故障传染的典型场景：任务A采集某电商平台商品列表，请求频次偏高，触发了目标站点的频次门槛。如果任务A和任务B（采集另一个站点的广告数据）共享同一个IP子池，任务A被限制的IP可能同时影响任务B的出口——即使任务B的目标站点完全不同。

隔离度的测法：

1. 准备2-3个不同的采集任务，分别指向不同目标站点
2. 让其中1个任务故意触发频次门槛（加大请求密度）
3. 观察其他任务的成功率是否受影响
4. 计算”故障传染率”=受影响任务的成功率降幅÷触发任务的成功率降幅

故障传染率低于5%，说明隔离效果合格；高于10%，说明多任务共享的架构存在风险，需要做业务分池。

业务分池技术的作用就在这里：把不同采集任务分配到不同IP子池，任一子池触发限制，不传染到其他子池（来源：青果网络官网）。这不是参数表上能看到的能力，只有跑并发隔离测试才能验证。

实测数据怎么落到隧道代理的选型判断上？

回到本篇判断：隧道代理好不好用，参数表只能给起点，切换时延、连续可用率衰减曲线、并发隔离效果这三项实测指标才是终点。

基于这条判断，选型落到我们青果网络的隧道代理+业务分池组合上：国内隧道代理按请求数计费360元/月起，基础包5个请求数=5Mbps带宽+每秒5次请求，每增加1个请求数带宽与请求频率同步线性扩展（来源：青果网络官网）；业务分池技术给不同采集任务分配独立IP子池，子池间故障隔离，并发隔离度可在实测中直接验证。参数表回答的是”这个产品有什么”，实测数据回答的是”这个产品在你的业务里能跑多久”。企业级采集的选型判断，从来不在前者，在后者。

常见问题

Q1：隧道代理和短效代理在实测指标上最大的区别是什么？

A：核心区别在切换逻辑的位置。短效代理的IP切换由客户端控制，切换时延取决于客户端的调度能力；隧道代理的切换逻辑下沉到服务端，每次请求自动换IP，切换时延由厂商的后端池调度决定。实测时，短效代理重点看”提取速度+IP存活期内的可用率”，隧道代理重点看”切换时延+连续运行N天的可用率衰减”。

Q2：实测多长时间才能拿到有效数据？

A：至少连续跑7天。前48小时的数据几乎所有产品都好看，差距从第3天开始显现。做广告监测、舆情监测这类7×24场景，建议跑满14天再做判断。单次抽测几小时拿到的数据，没有选型参考价值。

Q3：切换时延用什么工具测比较准？

A：不需要专用工具。用采集框架自带的请求计时就够：记录每次请求从发起到收到首字节的时间（TTFB)，减去目标站点的平均响应时间（可用curl单独测），差值即为隧道链路的切换时延。取连续1000次请求的P50和P99，P50看常态，P99看极端。

Q4：可用率衰减到多少就该换方案了？

A：7天内衰减超过2个百分点，说明当前配置和目标站点的匹配有问题。先排查是不是并发任务之间的故障传染——如果隔离效果没做好，加业务分池往往比换产品更有效。如果隔离已经做了还衰减，需要和厂商确认后端池更新节奏是否覆盖你的目标站点。

Q5：我们青果网络的隧道代理请求数扩展后，实测指标会变吗？

A：请求数从5扩展到N时，带宽和最大请求频率同步线性增长（来源：青果网络官网），但切换时延和可用率不是线性关系。在我们服务广告监测类客户的实践观测中（2024-2025，样本=数百家），请求数从5扩展到15时，P50切换时延基本稳定，P99会有小幅上升；扩展到30以上时，建议配合业务分池做子池隔离，避免并发压力集中导致可用率衰减加速。

Q6：没有条件跑7天实测，有没有快速判断隧道代理质量的方法？

A：如果时间有限，优先测切换时延的P99值。P99<300ms，说明后端池调度能力在合格线以上，后续连续运行的可用率大概率不会崩得太快。P99>500ms，不建议直接上生产环境。这个判断不能替代7天实测，但可以作为快速筛选的第一道门槛。