前言
最近这几天，真的越来越感受到了。业务需求推动技术的发展。没有业务需求支持，一切都是扯。
之前在知乎回答了一个问题突然火了，导致我的小程序流量暴增，如下图：
最高峰的时候，每分钟200多个不同ip请求。大概每秒5个请求。也就是5QPS。(突然感觉好小好小)
我这个系统有限流，有缓存，QPS上千是没什么问题的。
所以今天我想写的不是高并发，而是如何识别恶意请求，恶意攻击，并且拦截他们。
因为代码是开源的，接口什么的完全暴漏出去了，所以总会有些人，恶意请求我的接口，虽然没啥大的影响，但总归很不爽。
限制ip
这个也是我一直都有的代码，具体如下：
1 package com.gdufe.osc.interceptor; 2 3 import com.alibaba.fastjson.JSON; 4 import com.gdufe.osc.common.OscResult; 5 import com.gdufe.osc.enums.OscResultEnum; 6 import com.gdufe.osc.service.RedisHelper; 7 import com.gdufe.osc.utils.IPUtils; 8 import lombok.extern.slf4j.Slf4j; 9 import org.apache.commons.lang3.StringUtils; 10 import org.springframework.beans.factory.annotation.Autowired; 11 import org.springframework.lang.Nullable; 12 import org.springframework.web.servlet.HandlerInterceptor; 13 import org.springframework.web.servlet.ModelAndView; 14 15 import javax.servlet.http.HttpServletRequest; 16 import javax.servlet.http.HttpServletResponse; 17 import java.util.Map; 18 19 /** 20 * @Author: yizhen 21 * @Date: 2018/12/28 12:11 22 */ 23 @Slf4j 24 public class IPBlockInterceptor implements HandlerInterceptor { 25 26 /** 10s内访问50次，认为是刷接口，就要进行一个限制 */ 27 private static final long TIME = 10; 28 private static final long CNT = 50; 29 private Object lock = new Object(); 30 31 /** 根据浏览器头进行限制 */ 32 private static final String USERAGENT = "User-Agent"; 33 private static final String CRAWLER = "crawler"; 34 35 @Autowired 36 private RedisHelper<Integer> redisHelper; 37 38 @Override 39 public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception { 40 synchronized (lock) { 41 boolean checkAgent = checkAgent(request); 42 boolean checkIP = checkIP(request, response); 43 return checkAgent && checkIP; 44 } 45 } 46 47 private boolean checkAgent(HttpServletRequest request) { 48 String header = request.getHeader(USERAGENT); 49 if (StringUtils.isEmpty(header)) { 50 return false; 51 } 52 if (header.contains(CRAWLER)) { 53 log.error("请求头有问题，拦截 ==> User-Agent = {}", header); 54 return false; 55 } 56 return true; 57 } 58 59 private boolean checkIP(HttpServletRequest request, HttpServletResponse response) throws Exception { 60 String ip = IPUtils.getClientIp(request); 61 String url = request.getRequestURL().toString(); 62 String param = getAllParam(request); 63 boolean isExist = redisHelper.isExist(ip); 64 if (isExist) { 65 // 如果存在,直接cnt++ 66 int cnt = redisHelper.incr(ip); 67 if (cnt > IPBlockInterceptor.CNT) { 68 OscResult<String> result = new OscResult<>(); 69 response.setCharacterEncoding("UTF-8"); 70 response.setHeader("content-type", "application/json;charset=UTF-8"); 71 result = result.fail(OscResultEnum.LIMIT_EXCEPTION); 72 response.getWriter().print(JSON.toJSONString(result)); 73 log.error("ip = {}, 请求过快，被限制", ip); 74 // 设置ip不过期 加入黑名单 75 redisHelper.set(ip, --cnt); 76 return false; 77 } 78 log.info("ip = {}, {}s之内第{}次请求{}，参数为{}，通过", ip, TIME, cnt, url, param); 79 } else { 80 // 第一次访问 81 redisHelper.setEx(ip, IPBlockInterceptor.TIME, 1); 82 log.info("ip = {}, {}s之内第1次请求{}，参数为{}，通过", ip, TIME, url, param); 83 } 84 return true; 85 } 86 87 private String getAllParam(HttpServletRequest request) { 88 Map<String, String[]> map = request.getParameterMap(); 89 StringBuilder sb = new StringBuilder("["); 90 map.forEach((x, y) -> { 91 String s = StringUtils.join(y, ","); 92 sb.append(x + " = " + s + ";"); 93 }); 94 sb.append("]"); 95 return sb.toString(); 96 } 97 98 @Override 99 public void postHandle(HttpServletRequest request, HttpServletResponse response, Object handler, @Nullable ModelAndView modelAndView) throws Exception { 100 } 101 102 @Override 103 public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, @Nullable Exception ex) throws Exception { 104 } 105 }
代码我大致解释一个。
可以看到41行和42行代码；我做了两层的拦截：
第一层是先拦截不合规的浏览器头，比如浏览器头包含有爬虫的信息，全部拦截掉。
第二层是一个ip的拦截。如果在10s之内，访问我的接口大于50次，我就认为你是刷接口过快，是一个爬虫。
此时我直接存入redis，永不过期，下次直接拦截掉。
这是第一个办法。
统计ip访问次数
但总有些ip访问很慢，比如10s才访问，20-30次，但又不间断的访问，爬取，永不停歇。
虽然没啥大的影响，总归很不爽。
我们看看程序大致打印的日志把：
2019-06-01 16:21:24.271 [http-nio-8083-exec-5] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 106.121.145.154, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 80;limit = 10;]，通过 2019-06-01 16:21:24.271 [http-nio-8083-exec-5] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：356 2019-06-01 16:21:24.775 [http-nio-8083-exec-3] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 120.229.218.95, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 70;limit = 10;]，通过 2019-06-01 16:21:24.775 [http-nio-8083-exec-3] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：612 2019-06-01 16:21:32.050 [http-nio-8083-exec-10] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 105.235.134.202, 10s之内第1次请求zhihu/spider/get，参数为[type = 2;offset = 0;limit = 10;]，通过 2019-06-01 16:21:32.050 [http-nio-8083-exec-10] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：93 2019-06-01 16:21:32.320 [http-nio-8083-exec-7] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 120.229.218.95, 10s之内第2次请求zhihu/spider/get，参数为[type = 1;offset = 80;limit = 10;]，通过 2019-06-01 16:21:32.320 [http-nio-8083-exec-7] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：100 2019-06-01 16:21:33.755 [http-nio-8083-exec-2] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 106.17.6.118, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 80;limit = 10;]，通过 2019-06-01 16:21:33.755 [http-nio-8083-exec-2] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：107 2019-06-01 16:21:33.805 [http-nio-8083-exec-9] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 123.120.29.78, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 80;limit = 10;]，通过 2019-06-01 16:21:33.805 [http-nio-8083-exec-9] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：1057 2019-06-01 16:21:35.697 [http-nio-8083-exec-6] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 106.121.145.154, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 90;limit = 10;]，通过 2019-06-01 16:21:35.697 [http-nio-8083-exec-6] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：1030 2019-06-01 16:21:36.197 [http-nio-8083-exec-1] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 120.229.218.95, 10s之内第1次请求zhihu/spider/get，参数为[type = 2;offset = 0;limit = 10;]，通过 2019-06-01 16:21:36.198 [http-nio-8083-exec-1] INFO c.gdufe.osc.service.impl.ZhiHuSpiderImpl - [] - 图片随机位置为：2384 2019-06-01 16:21:36.725 [http-nio-8083-exec-8] INFO c.g.osc.interceptor.IPBlockInterceptor - [] - ip = 183.236.187.208, 10s之内第1次请求zhihu/spider/get，参数为[type = 1;offset = 0;limit = 10;]，通过
一个访问ip，应该会打印出两条日志。一条日志他的ip以及访问的路径。一条则与本题无关。
但我如何统计每个ip总共访问了多少次呢？
Shell代码如下：
1 #!/bin/bash 2 # 复制日志到当前目录 3 cp /home/tomcat/apache-tomcat-8.5.23/workspace/osc/osc.log /home/shell/java/osc.log 4 # 将日志中的ip点号如： 120.74.147.123 换为 120：74：147：123 5 sed -i "s/\./:/g" osc.log 6 # 筛选出只包含ip的行，并且只打印ip出来 7 awk '/limit/ {print $11}' osc.log > temp.txt 8 # 根据ip的所有位数进行排序 并且统计次数 最后输出前50行 9 cat temp.txt | sort -t ':' -k1n -k2n -k3n -k4n | uniq -c | sort -nr | head -n 50 > result.txt 10 # 删除无关紧要文件 11 rm -rf temp.txt osc.log
这其中涉及到了好多命令，都是今天临时一一学的(临时抱佛脚)。
最后执行结果如下：
第一列是访问的次数，第二列是ip。
那么一看43.243.12.43这个ip就不正常了。肯定是爬虫来的。那么直接封了就是。
后言
业务需求推动技术真的学到了。有需求，有业务，才会推动技术的进步。
各位大佬们，还有没有其他反爬虫的技巧。一起交流一下。