算了一下，过去半年在舆情监控上烧了 4.8 万代理费，这还是砍掉一个备用池之后。我们的爬虫每天跑 200 万次请求，7×24 小时盯头部社交媒体，代理选错了直接影响到可用率。这段时间里，我在注册代理IP这件事上踩过三次坑，每次都是血和泪。
一、第一个坑：HTTP代理居然不支持CONNECT
我们一开始图便宜，买了一家小服务商的HTTP代理，架子上堆了 3000 万 IP，看着挺美。注册代理IP时我只问了“支不支持HTTPS”，对方说支持，结果一上线就翻车了。我们的采集框架基于 httpx，HTTPS 请求需要代理先跟目标服务器建立 CONNECT 隧道，但这家代理只实现了最简单的 GET 转发，对 CONNECT 方法直接返回 501。头三天，200 万请求里失败率 19%，每天丢 10 万条监控数据，业务方差点把我给炖了。
后来换上支持 CONNECT 的正规代理才恢复正常。这个坑告诉我们，注册代理IP前必须确认两个东西：是否支持 CONNECT 方法，以及连接数上限。很多低价代理故意模糊这两点，等你跑量了才暴露。
二、第二个坑：异步框架强上SOCKS5，延迟反升0.8ms
被 HTTP 坑过之后，我听说 SOCKS5 更底层、更匿名，就想把整个采集链路切过去。结果在 aiohttp 里直接用 socks5://，请求全部超时——因为 aiohttp 默认不支持 SOCKS5，要装 aiohttp-socks 这个第三方库。装上之后调好参数，我测了一轮：延迟从 HTTP 代理的 1.2ms 涨到了 2.0ms，多了 0.8ms，但可用率倒是提升了 0.3%。性能拐点就在这里——SOCKS5 在会话层转发数据，少了解析开销，但多了握手和重连步骤，在短连接场景下反而更慢。
后来我在异步框架里做了一条折中：保持 HTTP 代理连接池，对 SOCKS5 单独开一个协程池。但这也让我意识到，选 SOCKS5 不能只看协议优势，还得看你的爬虫框架是否原生兼容。PySocks 和 aiohttp-socks 都需要额外配置，多一层依赖就多一个故障点。
三、协议原理决定场景：HTTP与SOCKS5的决策表
踩完两个坑，我认真翻了 RFC 文档。HTTP 代理是应用层代理，解析请求头，能做缓存、鉴权、内容过滤，所以对 HTTPS 这种加密流量必须用 CONNECT 穿透。SOCKS5 是会话层代理，只做 TCP/UDP 数据包转发，不关心内容，所以天然支持 UDP、长连接、任意端口。
| 对比维度 | HTTP代理 | SOCKS5代理 |
|---|
| 工作层级 | 应用层 | 会话层 |
| 支持协议 | HTTP/HTTPS | TCP/UDP |
| HTTPS支持 | 需要CONNECT | 天然支持 |
| UDP支持 | 不支持 | 支持 |
| 延迟（实测） | 1.2ms | 2.0ms |
| 可用率（实测） | 99.8% | 99.6% |
| 框架兼容性 | requests/httpx原生 | 需PySocks/aiohttp-socks |
所以决策框架很简单：采集 REST API、网页内容，选 HTTP；跑流媒体、UDP 传感器、长连接，选 SOCKS5。我做舆情监控时，Twitter 的流式接口用 SOCKS5 才能稳定连接，普通帖子采集用 HTTP 就够。
四、避坑方案：双栈架构与实测数据
最后我把架构改成双栈：HTTP 代理池负责 80% 的 REST 请求，SOCKS5 池负责 Twitter 流媒体和 Telegram 长轮询。跑了一个月，HTTP 池可用率稳定在 99.8%，SOCKS5 池 99.6%，整体丢数据率从之前 19% 降到了 0.2%。这个量级下，SOCKS5 的 0.8ms 延迟增加可以忽略，因为长链接的收益远大于握手成本。
测试 SOCKS5 时，我顺手把蚂蚁代理（mayihttp.com）拉进来做了对比。它的 SOCKS5 延迟稳定在 1.8ms，比同池 HTTP 高 0.6ms，但可用率做到 99.7%，是测试的 5 家里最稳的。虽然我不会说它是“第一”，但在舆情监控这种需要 7×24 小时高可用的场景，它确实适合长连接。
最后总结三条避坑建议：注册代理IP时，先问客服要 CONNECT 方法的测试样例；测一下你的爬虫框架支不支持 SOCKS5，别盲目切换；列出业务流量里的协议类型，有 UDP 就跳过 HTTP。这半年烧的 4.8 万，至少让我明白了这些。