我们知道，网站通常都有反爬虫机制，用来防止爬虫给网站带来太大的负载，影响网站的正常运行。所以，爬虫工程师在爬某网站之前都需要好好的研究一番，避免触发网站的反爬虫机制，这样才能愉快地获取所需的数据。那么，当任务量过于庞大时，如何愉快的按时完成任务呢？

避免触发网站的反爬虫机制，意味着要放弃访问速度，至少不能反人类，甚至不能达到对方设置的访问次数的阈值，这意味着要放弃爬取速度，这样就不能按时完成任务了。如何解决呢，其实也有两种方法，大量的高效代理IP和分布式爬虫系统。

一、高效代理IP。代理IP相对于反爬虫机制来说就是个作弊器，相当于分身，每当触发了反爬虫机制被封后，就舍弃分身再换个继续上。当然，有了高效代理IP后也不能无视反爬虫机制，合理的反反爬虫机制可以有效地节约代理IP资源，否则就需要更大的成本去购买代理IP，同时还影响效率。

二、分布式爬虫。爬虫程序被部署在不同的机器上，每一台爬虫机器拥有不同的IP地址，并且每个爬虫以比较大的时间间隔抓取取据。单台爬虫机器虽然可以多线程进行抓取，但受自身资源限制（CPU、连接数、带宽等）和反爬虫机制限制（访问频率等），分布式爬虫可以大大地提高爬取效率。

有了高效代理IP和分布式爬虫，就可以愉快的按时完成任务了！