代理性能基准测试常常失败,因为测的不是真实场景:单线程访问一个搜索引擎,无法说明四十个 worker 在上午九点同时抓取商品页时池子的表现。
可信的测试从负载出发反向设计:同样的请求构成、同样的目标集、同样的并发、同样的时段,并且用百分位而不是平均值。
先定义负载,再选工具
- 请求构成:记录 HTML、JSON、图片和文件下载的比例。为小 JSON 调优的池子面对 20 MB 传输时表现完全不同。
- 目标集:选 5–10 个真实域名,而不是一个搜索引擎。不同目标的 TLS 栈、风控与 CDN 边缘都不一样。
- 并发:按实际并行数测试,通常 10–50 个 worker。串行测试对所有供应商都好看,却掩盖排队。
- 会话模型:明确 worker 使用 sticky 还是每请求轮换,这一项对成功率的影响往往大于供应商本身。
基准测试清单:先收集六个数字
- 每个目标的 p50 延迟:典型体验,有用但不充分。
- 每个端点至少 500 个样本的 p95 与 p99:超时和重试都藏在尾部。
- 10、30、50 并发下的成功率,只统计状态码与内容都正确的响应。
- DNS 路径:socks5 与 socks5h 相差 20–80 ms,还涉及 DNS 泄漏。
- 固定 10–50 MB 负载的吞吐,重复三次以区分缓存与冷传输。
- 漂移:sticky 会话每小时换 IP 的次数,超过承诺即为违约。
快速对比
- p50:典型访问体验与基础开销,用你自己的客户端计时。
- p95/p99:尾部痛苦、重试压力、worker 空转时间。
- 10–50 并发成功率:被封禁和排队之前的真实容量。
- 吞吐与漂移:决定大文件任务和登录流程能否成立。
四步执行
- 固定环境:同一台机器、同一客户端版本、同一区域、同一脚本。
- 先预热,丢弃前 50 个请求,排除 TLS 握手与冷缓存影响。
- 每天跑两个时段并同时报告,而不是挑好看的那个。
- 重复三次取中位数,并按原因分类失败:超时、403、407、TLS。
常见问题
为什么 p95 比 p50 更重要?
p50 告诉你典型请求的成本,p95 告诉你每二十个请求里最差的那个发生了什么。在 50 并发下,那就是每隔几秒一次超时。重试会推高负载,让尾部更差,故障不断累积。p50 变好而 p95 变差,说明这个池子对自动化更不友好。
需要多少样本?
每个端点至少 500 个样本才能谈百分位,引用 p99 还需要更多。成功率方面,1,000 个请求在 95% 置信度下误差约 3 个百分点,足以区分好池与坏池。
基准测试的成本远低于上线当天九点才发现池子不可用。若需要一个对照基线,FTProxy 住宅代理公布按节点统计的延迟与成功率。