问题描述
首先我对别人抓取我网站的内容完全没有意见，我也不是一定要严格限制别人抓取，但是某些人的抓取完全没有底线，用一个脚本甚至多个脚本并发的去抓取某个服务器的内容，跟ddos没有区别。
我的服务器目前就遇到了这样的情况，恶意的毫无停顿的抓取，严重影响了我们的日志分析，而且也额外增加了服务器的负载。
请问如何对这种行为做出防范？我用的是nginx服务器，据我所知它只能deny某个ip，但是deny以后还是会出现在日志中，只不过是403了。而且手动的deny太被动了，能否智能判断某个ip访问量猛增，然后把它ban掉？
问题解答
回答1：1. ngx_http_limit_conn_module 可以用来限制单个IP的连接数http://nginx.org/en/docs/http/ngx_htt...
2. ngx_http_limit_req_module 可以用来限制单个IP每秒请求数http://nginx.org/en/docs/http/ngx_htt...
3. nginx_limit_speed_module 可以用来对IP限速https://github.com/yaoweibin/nginx_li...
回答2：我也来提供一种解决思路，主要是利用fail2ban(http://www.fail2ban.org/)来解决。fail2ban是通过扫描log来异步判断是否用iptable封禁的，所以对原系统影响比较小，而且不需要重新配置nginx。不过不知道访问量太大是否撑得住。
首先在/etc/fail2ban/jail.conf里加入
[http-get-dos]enabled = trueport = http,httpsfilter = nginx-bansnifferlogpath = /usr/local/nginx/logs/segmentfault.logmaxretry = 120findtime = 120bantime = 3600action = iptables[name=HTTP, port=http, protocol=tcp]
然后找到/etc/fail2ban/filter.d/nginx-bansniffer.conf，把里面针对404的判断改成
[Definition]failregex = <HOST> -.*- .*HTTP/1.* .* .*$ignoreregex =
最后重启fail2ban服务即可，在上面的配置中，我们对每120秒有超过120次访问的ip，封禁1小时。
回答3：1. 根据User-Agent阻止spider抓取
## Block download agents ## if ($http_user_agent ~* WebZIP|wget) { return 403; }##
2. 在操作系统Firewall建立规则，限制同一个IP的同时连接数以Linux下的iptables为例，如下配置将限制同一个IP一分钟内最多建立15个连接，超出的连接会被iptables丢弃，不会到达nginx
/sbin/iptables -A INPUT -p tcp --dport 80 -i eth0 -m state --state NEW -m recent --set/sbin/iptables -A INPUT -p tcp --dport 80 -i eth0 -m state --state NEW -m recent --update --seconds 60 --hitcount 15 -j DROPservice iptables save
3. 自己写个bash脚本统计各IP访问频率，自动将频率超过你设定的上限的IP扔到黑名单里黑名单里的IP，用脚本自动写入iptables或者nginx.conf，封禁它几分钟，或者降低他的许可访问频率
我以前在yahoo的时候用一个叫YDoD(Yahoo! Department of Defense)的apache模块，可以自定义规则防止外部滥用我们的WEB服务，到了淘宝后改了个名字叫tdod，找了一圈，没找到开源的。不过原理跟我上面说得也差不多。
回答4：试试ngx_lua_wafhttps://github.com/loveshell/ngx_lua_waf功能：
防止sql注入，本地包含，部分溢出，fuzzing测试，xss,SSRF等web攻击防止svn/备份之类文件泄漏防止ApacheBench之类压力测试工具的攻击屏蔽常见的扫描黑客工具，扫描器屏蔽异常的网络请求屏蔽图片附件类目录php执行权限防止webshell上传
