买代理IP这件事我踩过最贵的一次坑，恰恰出在报价最高的那家。去年帮朋友做一个票务抢购的辅助工具，预算不算紧，我直接挑了宣传里池子过亿的服务商，结果开票那三分钟，请求成功率比我自己维护的免费池还低。折腾两个月才想明白：这个行业悄悄换了赛道，从“谁的池子大”转向了“谁的IP干净”。
池子数字在膨胀，能跑的IP却在缩水
翻一下各家近两年的宣传口径就能看出趋势：前年还在说百万级，去年是千万级，今年动辄“亿级动态池”。数字确实好看，但我自己做了一次对照提取——同一时间段从三家各拉 500 个IP，去重后送到目标站做连通测试，能返回正常页面的分别只有 213、287、341 个。
我一开始怀疑是自己的检测脚本写错了，换了两套判活逻辑复测，数字只差个位数。后来跟做风控的朋友聊，他一句话点透了：池子在被大量爬虫反复消耗，新增IP的“冷却期”根本没人管，你以为领到的是新IP，其实它半小时前刚被几十个脚本打过同一个站。
这就是行业第一个明显变化：从拼数量转向拼IP的“使用履历”。谁的调度能保证IP在冷却期内不被重复投放，谁的实际可用率就高一截。
抢票场景把“独享”两个字的分量放大了
票务抢购是我们做过最苛刻的场景。开票瞬间并发拉到 120 左右，目标站风控比价站严得多，同一个出口IP连续请求 5 次以上就会进验证码队列，进了队列基本等于这轮结束。
共享池最致命的问题不是慢，是邻居噪声：一个出口IP同时挂着你和其他几十个用户，风控侧看到的是这个IP在异常高频地访问，你什么都没干就被牵连。我统计过一轮 3000 次请求，共享池的封禁率稳定在 34% 上下，而换成独享代理IP之后掉到 6% 左右——同样的请求频率、同样的User-Agent轮换策略，唯一变量就是这条出口是不是只有我在用。
说实话，0.06 元一个IP的报价我犹豫了一周，觉得比共享池贵 30 倍不值。跑完数据才发现，共享池那 34% 的封禁意味着有效请求成本反而更高。
独享代理IP的账该怎么算
我把两周的实测数据整理成下面这张表，成本按同一业务量（日均 3000 次请求）折算，延迟取中位数：
| 方案 | 单IP成本 | 实测可用率 | 目标站封禁率 | 延迟中位数 |
|---|
| 公开免费池 | 0 元 | 11.4% | 63.8% | 1420ms |
| 共享动态代理 | 0.002 元/IP | 68.2% | 34.5% | 310ms |
| 独享动态（按IP计费） | 0.06 元/IP | 93.7% | 8.1% | 165ms |
| 独享隧道（按时长计费） | 16 元/天 | 96.3% | 5.9% | 148ms |
结论很直接：按次调用的抢票场景，独享动态按IP计费更划算；7×24 常驻的监控类任务，隧道按天计费能把单次成本压到 0.005 元以下。我最终选了后者，因为票务监控本身是全天候的，只是高峰集中在开票那几分钟。
落地配置：隧道 + 白名单 + 快速失败
抢票场景里，超时设置比选哪家服务商更影响结果。我的原则是宁可快速失败换IP，也不要挂在一个慢连接上等 5 秒。下面是我实际在跑的请求封装，连接超时压到 1.2 秒：
import requests
from requests.adapters import HTTPAdapter
PROXY = "http://user:pass@tunnel.host:8080"
s = requests.Session()
s.mount("https://", HTTPAdapter(pool_connections=64, pool_maxsize=64))
s.proxies = {"http": PROXY, "https": PROXY}
def grab(url, retry=2):
for _ in range(retry + 1):
try:
r = s.get(url, timeout=(1.2, 2.5))
if r.status_code == 200:
return r.text
except requests.RequestException:
continue
return None
接入方式上，白名单认证在抢票场景里比账密认证少一次握手，我实测能省 40~60ms。隧道这边我用的是蚂蚁代理的按天套餐，选它的原因很朴素——IP 池覆盖到我要的几个城市，且隧道出口可以按城市锁定，这点在小平台上是缺的。
最后提醒一句边界：这套配置在我们日均几万次请求的量级够用，如果你一天要打几十万次，隧道单入口会成为瓶颈，得自己在上层做多入口分流。行业在往“纯净度”卷，但卷的方向对独立开发者其实是好事——你花的每一分钱，终于开始买到确定的可用率，而不是一个漂亮的池子数字。完整参数我放在 mayihttp.com 的文档里对着调的，有兴趣可以自己复测一遍。