如何利用代理IP进行数据采集分析大数据？什么是代理？什么情况下会用到代理IP？如何使用代理IP进行数据采集
代理服务器的功能就是代理用户去获取网络信息，之后再把相应的信息反馈给客户。用一个比较靠谱的比喻来说代理服务器相当于一个中介的环节。它是网络信息的中转站。通过代理IP访问目标网站，可以隐藏用户的真实IP地址。
大数据时代，离不开网络爬虫，网络爬虫也支持许多语言例如常见的python、java、php、c 语言等其他语言，每个语言对应的爬虫需求和环境不同，爬虫用户选择语言自然也不同。
一般爬虫都会选择python和java，python爬虫之所以被大众选择，因为使用简单。在使用python爬虫进行数据抓取的时候，也有可能IP会被限制，避免业务效率下降，这时候就需要用到隧道转发的http爬虫代理。
例如要想要抓取一个内容有100万条的网站，但是他们设置了IP限制，每个小时只有1000条可以抓，如果你使用同一个IP，并且保持不变，那么想要抓取所有的信息，你要花费40天的时间。但是如果你更换不同的IP地址，就可以提高数据采集的效率。
其他想切换IP或者隐藏自身IP地址的场景也会用到代理IP，比如说电商，游戏，注册等等。
代理IP分味开放代理和私密代理，开放代理是全网扫描来的，稳定性较差，爬虫是肯定不适合做的。自己没事玩玩还好。如果是做爬虫的话，用私密，稳定性是非常可靠的。
我们都知道IP代理商也越来越多。那如何选择代理商成了大家选择的难题。其实爬虫用户完全可以通过代理IP的有效时间，代理IP的有效率，稳定性和自己去的需求去选择自己需要的代理IP。大家常用的是兔子代理IP，可以用来抓取亚马逊数据来进行分析销量、评论等，用PHP进行抓取，抓取亚马逊要特别注意header头，否则输出的数据就是空了。还有一种方法，可以用PHP通过shell_exec来调用curl命令来进行抓取。
