反向代理(reverse proxy)是本詞彙表其他一切的鏡像。正向代理站在你前面,對你連上的伺服器隱藏你的身分。反向代理站在伺服器前面,代替伺服器處理請求,所以訪客和它溝通,看不到它背後的機器。同一個詞,相反的方向,由另一方選擇。
它的工作全都在伺服器端,而且大多看不見:把負載分散到一組後端、終結 TLS 讓來源機器不必處理、快取回應、壓縮回應,以及讓來源伺服器完全不暴露在公用網際網路上。如果你用過 CDN、作為前端的 nginx 或雲端負載平衡器,你就用過反向代理。
它出現在這裡,除了術語之外還有一個理由,如果你在爬取資料,這個理由值得了解。當網站挑戰你、封鎖你或給你 CAPTCHA 時,這個決定常常是由反向代理層做出的。反機器人系統、速率限制、地理規則:這些通常位於邊緣,所以網站真正的應用程式可能根本沒看到你的請求,你就被拒絕了。
這也解釋了一個讓人覺得奇怪的模式。一個網站可能在同一秒內,對一個位址完全沒有回應,對另一個位址卻完全正常,看不出任何邏輯。邊緣是依信譽資料和規則逐一請求做決定,而這個決定對它毫無成本,因為它背後的任何東西都沒被諮詢。
要記住的實務區別是:如果你在自己的用戶端設定主機和連接埠,來改變你呈現的樣子,那是正向代理,而且是你的。如果是網站的基礎設施在決定要不要為你服務,反向代理就是做出決定的一部分。你要應付的就是它。
常見問題
CDN 是反向代理嗎?
基本上是,一個在地理規模上運作的反向代理。它位於網站的來源伺服器前方,從靠近訪客的位置快取並提供內容、終結 TLS,並保護來源不受直接流量衝擊。它也常常承載反機器人和速率限制規則,所以 CDN 可能在網站自己的應用程式知道你存在之前,就封鎖了你。
我可以買反向代理來爬取資料嗎?
不行,而這個問題通常代表兩個詞被混淆了。反向代理是網站營運者部署在自己伺服器前方的基礎設施。爬取資料時你要買的是正向代理:住宅、資料中心、ISP 或行動。如果有供應商賣你一種號稱用於爬取的反向代理,那就是用錯了這個詞。
如果我在爬取資料,反向代理為什麼重要?
因為封鎖你的通常就是它。速率限制、地理規則、信譽檢查和反機器人挑戰,通常在邊緣執行,所以拒絕常常發生在網站本身介入之前。這也解釋了為什麼封鎖看起來即時又不一致:這個決定很便宜,而且是逐一請求做出的。
反向代理和負載平衡器有什麼差別?
它們高度重疊,常常就是同一套軟體。負載平衡,也就是把請求分散到後端,是反向代理執行的功能之一,其他還有 TLS 終結、快取和過濾。專門的負載平衡器可能只做分配,反向代理則通常做得更多。
回到完整詞彙表。

