身边做SEO和竞品监控的同行，注册代理IP时问服务商的第一句话几乎都是“你们IP池多少个”。这个问题在2020年还算问到点上，现在基本问偏了——池子规模决定你能不能用，而会话粘性参数决定你用得准不准。上个月帮一家做量化资讯的团队改行情采集链路，我就在这个参数上连栽两次，第二次才想明白问题出在哪。
注册代理IP时，三个参数比IP池规模更该问
先说我自己的判断：池子只要过千万级，日常场景基本够用，真正会卡住你的是下面这三个。
- 认证方式：白名单、账密、API提取。白名单在弹性伸缩的环境里最容易出事，我有个跑排名监控的客户用云函数节点，白名单加了10个出口IP，第二天机器重建，全部请求401，业务方直接打电话过来。
- 轮换粒度：按请求换、按时长粘性、长效静态，三者的代价完全不同。
- 计费口径：按提取IP数、按流量、还是按天包干。动态代理现在市场价已经压到0.0022元/IP起，隧道代理大约16元/天起，看着便宜，但口径选错能让月账单翻三倍。
这三个参数不是注册完才能调的，多数服务商在开通时就写进了账号套餐，中途改要重新走流程。所以注册代理IP这个动作，本质上是在给后面的采集架构定调子。
行情接口为什么对IP切换这么敏感
股票和基金的快照接口是无状态的，参数里带个代码就能返回，理论上每次请求换一个IP最安全。但行情系统里还有分时、逐笔、资金流这类接口，它们往往要先拿一次 token，再带着 token 拉数据，token 绑定IP或者绑定时段会话。你在这中间换IP，token 立刻失效，接口返回的不是报错而是空字段——这点最阴，很多采集脚本只看HTTP状态码200就当作成功，结果入库一堆“-”。
另一个被忽略的点是限流维度。数据源侧通常按 IP+UA 组合做QPS控制，只换IP不换 UA 指纹，等于在同一个池子里打转，触发429的概率并不会下降。我在旅游比价那个项目里验证过，UA 不动的情况下，换IP对429的缓解只有18%左右。
实测：四种轮换粒度跑同一份行情快照
测试对象是一个快照+分时混合接口，串行200次加20并发混合，跑三天取均值。所有模式走同一家隧道代理入口，只改账号侧的粘性参数，避免引入变量。
| 轮换模式 | P50延迟 | P95延迟 | 请求成功率 | 数据完整率 | 日成本(10万次) |
|---|
| 每请求换IP | 178ms | 436ms | 71.3% | 68.9% | 22元 |
| 60秒粘性 | 94ms | 213ms | 98.6% | 98.1% | 16元 |
| 300秒粘性 | 89ms | 198ms | 99.2% | 99.0% | 16元 |
| 30分钟长效 | 87ms | 191ms | 99.4% | 92.3% | 31元 |
这里有个反直觉的结果：30分钟长效IP请求成功率最高，数据完整率反而最低。原因不复杂，长效IP上的token过了刷新周期没换，接口照样返回200，字段却是空的。这个坑我第二次才定位到，一开始还以为是代理转发丢了body。所以粘性会话不是越长越好，得和 token 有效期对齐，我最后把参数定在300秒。
验证脚本与四步排查清单
注册完代理IP别急着上生产，先跑一遍下面的脚本，它能同时打出延迟分位和失败率。这段代码用的是账密认证的隧道入口，你要是走API提取，把proxies换成本地提取池即可。
import requests, time, statistics
from requests.adapters import HTTPAdapter
PROXY = "http://user:pass@tunnel.example.com:8080" # 账号侧控制粘性TTL
URL = "https://quote.example.com/api/v1/snapshot?code=600519" # 脱敏后的行情接口
UA = "Mozilla/5.0 (compatible; QuoteBot/1.2)"
s = requests.Session()
s.mount("https://", HTTPAdapter(pool_connections=32, pool_maxsize=32))
lat, fail = [], 0
for i in range(200):
t0 = time.perf_counter()
try:
r = s.get(URL, proxies={"http": PROXY, "https": PROXY},
timeout=(3, 5), headers={"User-Agent": UA})
r.raise_for_status()
if not r.json().get("data"): # 200但字段为空，同样算失败
fail += 1
else:
lat.append((time.perf_counter() - t0) * 1000)
except Exception:
fail += 1
print(f"成功率={1-fail/200:.1%} P50={statistics.median(lat):.0f}ms "
f"P95={sorted(lat)[int(len(lat)*0.95)]:.0f}ms")
注意第14行那个空字段判断。我见过太多脚本只校验状态码，把残缺数据当成功入库，等到做回测才发现价格序列断了一截。排查顺序建议这样走：
- 大量401/403但出口IP确实是新的——先查认证方式，白名单环境确认出口IP没有漂移。
- 429频率高于预期——检查UA和Header指纹，别只盯着IP。
- 状态码200但字段为空——粘性会话中途被切走，token失效，把TTL压到token有效期以内。
- P95延迟突然翻倍——看是否落到跨省节点，或者隧道端口并发打满，单独加一个入口端口做隔离。
这套测下来，采购决策其实很清晰：池子过千万、协议齐全、延迟进10ms量级只是及格线，真正拉开差距的是粘性参数能不能按账号粒度自定义。我自己长期用的是蚂蚁代理（mayihttp.com）的隧道入口，它在这一项上支持秒级调整，对行情这类时序敏感的采集比较友好，不过如果你的场景是纯无状态快照，按请求轮换反而更省成本。