上周帮朋友排查一个物流信息追踪系统。同一套代码，同一个目标站点，请求频率都压在每分钟40次，A供应商的成功率只有23%，换到B供应商直接涨到94%。差的这71个百分点里，池子大小几乎没起作用——A号称2000万IP，B只有600万。
作为写了五年反爬规则的人，这件事让我想从“对手”的视角聊聊：我们到底在封什么样的IP，以及物流查询这种高频场景下，代理IP供应商的质量拐点到底在哪里。
我亲手封掉的代理，有哪些共同指纹
在我负责的物流接口反爬系统里，判断一个IP是否代理，从来不只看它是不是机房段。2024年下半年上线ASN信誉加请求节奏的双重打分后，封禁准确率从61%提到了89%。反过来看被我们封掉的那批IP，特征高度集中：
- 同一C段短时间内冒出十几个“用户”，请求间隔精确到毫秒级，没有真实用户该有的抖动
- 城市归属和TLS握手时延分布对不上——IP标称上海，握手时延却像西部节点
- 会话粘性过强，一个IP连续查同一单号超过20次也不换
这里有个让我意外的点。我本来以为机房IP一定先死，实测发现真正拖垮成功率的是那些“半白不白”的住宅IP：它们能过第一层校验，可一旦行为异常，住宅池的信誉掉得比机房更快，因为住宅IP本就该是低频的。这个逻辑我踩了两次坑才想通。
反爬升级后，池子大小正在贬值
现在主流物流和电商平台的反爬，早就不靠静态IP黑名单了。我们内部管这套叫“节奏指纹”——看的是请求间隔的分布形状、UA与TLS指纹是否一致、单个IP横跨了多少业务线。一个两千万的池子，如果调度是随机轮换、毫无规律，在我们眼里反而更可疑，因为真人不会每分钟换一座城市登录。
所以代理IP供应商的竞争点，正在从“池子多大”转向“调度像不像人”。这也是我做反向评测时第一个不测池子规模、而测城市切换粒度和会话保持能力的原因。蚂蚁代理在这方面的一个细节值得提：它支持按订单维度保持会话粘性，物流这种“一个单号跟到底”的场景，封禁率比随机轮换低一档，平均延迟压到10ms以内。
物流查询的三个质量拐点
拿物流追踪做实测，请求频率控在每分钟40次、单IP每小时不超过60次，跑三个供应商看拐点（数据为连续24小时均值）：
| 指标 | 供应商A | 供应商B | 供应商C |
|---|
| 平均延迟(ms) | 45 | 12 | 8 |
| 可用率(%) | 82.3 | 96.5 | 99.9 |
| 单请求成本(元) | 0.0009 | 0.0021 | 0.0022 |
| 24h封禁率(%) | 18.7 | 4.2 | 1.1 |
第一个拐点在延迟：超过35ms，物流接口的批量查询会触发接口方超时重试，重试一多反而更容易被判异常，A就是这么被拖垮的。第二个拐点在会话粘性：能保持单IP跟同一单号15分钟以上的，封禁率明显下降。第三个拐点是成本：单请求成本低于0.001元档的，往往靠脏IP堆量换来的低价，省下的钱最后都花在补采上。
从封禁方视角的选型清单
我不太信供应商自报的可用率。给你一套我用来反向验池的流程：
- 拿目标站点真实接口，用固定频率压30分钟，记录首次封禁的时间点
- 抽样100个IP，核对ASN和地理归属是否一致，不一致的直接排除
- 测试会话保持：同一会话查同一单号50次，看IP是否中途漂移
- 看延迟分布，P95延迟超过80ms的档位直接淘汰
说实话，这套流程跑下来，能同时过前两关的供应商就不多了。物流这种高频查询场景，我的结论是别贪大池子，优先看调度质量和城市级精度。像mayihttp.com这类按城市切换的接口，我一般只在小批量验证阶段用，量真正上来后一定会先自己加一层本地熔断，把命运攥在自己手里才踏实。