SEO收录异常诊断:负载均衡架构导致的SEO问题及解决方案!
2022-01-12 06:32:08

最近,本人负责的其中一个站点收录出现了异常,趁着周末有空讲述一下整个诊断过程。核心问题有两点,服务器架构和网站程序架构导致的;本篇仅分享服务器架构导致的收录异常。

首先,介绍一下自己。本人就职于深圳某企业,长期混迹于乙方外包公司,众所周知外包公司接的是绝大部分是小企业网站,这些网站做的关键词往往也仅是改个TDK就完成排名的工作。

再加上,目前绝大部分中小站点的架构很简单,开源CMS+单一云服务器(虚拟主机)+CDN(这还是有点运维能力公司)。鉴于以上经验,导致本人完全没有意识到服务器架构方面也能出现问题。

一、收录异常的发现

从(图1)可以和明显的看出,在3月中下旬收录是偏向正常的,问题出现在3.31日-4.25日之间出现了浮动,也就是说,这个区间一定是站点出现了问题导致收录异常。

SEO收录异常诊断:负载均衡架构导致的SEO问题及解决方案 SEO优化 SEO推广 第1张本人开始按常规方法排查,特别是服务器日志有些参数没有排除注意,以至于导致了问题发现,具体如下:

1.1、站长平台模拟爬虫抓取,正常。

1.2、搜索引擎爬虫抓取数量在提升,偏向正常。这里有异常,排查伪蜘蛛爬虫在抓数据,真实百度爬虫确实也在增长。

1.3、核心关键词排名浮动,但偏向且上升趋势靠前,目前核心大词处于前5名,正常。

1.4、服务器日志分析,爬虫对应的request_uri值(相对地址),暂属正常,请看下文。

1.5、服务器日志是阿里云的日志,http请求,7.18日、7.19日、7.20日以及7.26日出现小面积服务器500访问错误;但最多只出现有限的时间收录异常,不至于大范围不收录。

在服务器访问日志分析中,一般需要注意的项是:爬虫抓取时间值,爬虫页面URL值,爬虫在页面抓取顺序,时间内爬虫抓取数量,另一说蜘蛛IP值有权重高低之分(本人不确定,故不参考)

页面URL值:一般服务器日志是相对地址,本人诊断出现的问题在于忽略host值,真实抓取URL应该是,host+request_uri值组合。

页面抓取顺序:可检验网站架构的爬行情况,大概可以知道爬虫在网站页面中的爬行顺序,可以辅助使用爬虫软件或者开发经典爬虫(PY,PHP等)的爬行情况作为参考

时间内爬虫抓取数量:检验网站页面总量和时间段内抓取量的占比,判断网站的受欢迎程度。

说到这里,交代一下站点的服务器架构:

用的是负载均衡,文件服务器+数据服务器+前端服务器,数据服务器全部数据是由API接口、GET方式前端和app使用,网站URL是相对地址。服务器之间自然用的也是内网通讯。

综上,可能大家也看出有忽略的参数,是1.4中提到的日志host值,因为是相对地址,host+request_uri才是抓取的完整地址。一直忽略的Host值,原来是API的二级域名(图2)

SEO收录异常诊断:负载均衡架构导致的SEO问题及解决方案 SEO优化 SEO推广 第2张说到这里,大家可能已经基本上可以确定知道原因了。

就是百度根本没有抓取到真实的页面URL,实际上抓取的是API域名+request_uri,

即假设数据库服务器API给前端渲染的数据路径是api.name.com,走内网IP,

抓取到的页面URL为:https://api.name.com/post/1.html

真实应该是外网IP的URL:https://www.name.com/post/1.html

既然核心问题已把握30%,下一步自然是数据证明,主要从几个点。

1、翻开发日志记录

2、4月前后的服务器日志整理对比

从1中发觉,4.13号负载均衡的数据服务器api取消代理,这样造成的后果是前端直接抓取了host主机值为api域名下的数据在前端渲染,因为是直接使用内网IP没经过代理,同时api二级域名为host主机值。

从2中发觉,4月前后日志的host主机值出现了改变,由www.name.com变成了api.name.com。

最终,问题就出现在host主机为api的站点,没有使用代理,也就是说只要api站点通过代理变成www的二级站点渲染即可。如果没有使用代理,百度GET返回的页面是内网IP,抓取到的也就是https://api.name.com/post/1.html 这个URL。

解决方案:

1、负载均衡的数据服务器api接口使用代理

2、Head区增加标签

3、前端渲染的HTML使用绝对路径

4、开发个API接口推送数据

本文完。鉴于本人仅是SEO,运维能力有限,单机服务器配置下站可以,负载均衡只是略微听过,如有运维方面错误之处请见谅。

来源:卢松松博客 作者:深圳传说

最近,本人负责的其中一个站点收录出现了异常,趁着周末有空讲述一下整个诊断过程。核心问题有两点,服务器架构和网站程序架构导致的;本篇仅分享服务器架构导致的收录异常。

首先,介绍一下自己。本人就职于深圳某企业,长期混迹于乙方外包公司,众所周知外包公司接的是绝大部分是小企业网站,这些网站做的关键词往往也仅是改个TDK就完成排名的工作。

再加上,目前绝大部分中小站点的架构很简单,开源CMS+单一云服务器(虚拟主机)+CDN(这还是有点运维能力公司)。鉴于以上经验,导致本人完全没有意识到服务器架构方面也能出现问题。

一、收录异常的发现

从(图1)可以和明显的看出,在3月中下旬收录是偏向正常的,问题出现在3.31日-4.25日之间出现了浮动,也就是说,这个区间一定是站点出现了问题导致收录异常。

SEO收录异常诊断:负载均衡架构导致的SEO问题及解决方案 SEO优化 SEO推广 第1张本人开始按常规方法排查,特别是服务器日志有些参数没有排除注意,以至于导致了问题发现,具体如下:

1.1、站长平台模拟爬虫抓取,正常。

1.2、搜索引擎爬虫抓取数量在提升,偏向正常。这里有异常,排查伪蜘蛛爬虫在抓数据,真实百度爬虫确实也在增长。

1.3、核心关键词排名浮动,但偏向且上升趋势靠前,目前核心大词处于前5名,正常。

1.4、服务器日志分析,爬虫对应的request_uri值(相对地址),暂属正常,请看下文。

1.5、服务器日志是阿里云的日志,http请求,7.18日、7.19日、7.20日以及7.26日出现小面积服务器500访问错误;但最多只出现有限的时间收录异常,不至于大范围不收录。

在服务器访问日志分析中,一般需要注意的项是:爬虫抓取时间值,爬虫页面URL值,爬虫在页面抓取顺序,时间内爬虫抓取数量,另一说蜘蛛IP值有权重高低之分(本人不确定,故不参考)

页面URL值:一般服务器日志是相对地址,本人诊断出现的问题在于忽略host值,真实抓取URL应该是,host+request_uri值组合。

页面抓取顺序:可检验网站架构的爬行情况,大概可以知道爬虫在网站页面中的爬行顺序,可以辅助使用爬虫软件或者开发经典爬虫(PY,PHP等)的爬行情况作为参考

时间内爬虫抓取数量:检验网站页面总量和时间段内抓取量的占比,判断网站的受欢迎程度。

说到这里,交代一下站点的服务器架构:

用的是负载均衡,文件服务器+数据服务器+前端服务器,数据服务器全部数据是由API接口、GET方式前端和app使用,网站URL是相对地址。服务器之间自然用的也是内网通讯。

综上,可能大家也看出有忽略的参数,是1.4中提到的日志host值,因为是相对地址,host+request_uri才是抓取的完整地址。一直忽略的Host值,原来是API的二级域名(图2)

SEO收录异常诊断:负载均衡架构导致的SEO问题及解决方案 SEO优化 SEO推广 第2张说到这里,大家可能已经基本上可以确定知道原因了。

就是百度根本没有抓取到真实的页面URL,实际上抓取的是API域名+request_uri,

即假设数据库服务器API给前端渲染的数据路径是api.name.com,走内网IP,

抓取到的页面URL为:https://api.name.com/post/1.html

真实应该是外网IP的URL:https://www.name.com/post/1.html

既然核心问题已把握30%,下一步自然是数据证明,主要从几个点。

1、翻开发日志记录

2、4月前后的服务器日志整理对比

从1中发觉,4.13号负载均衡的数据服务器api取消代理,这样造成的后果是前端直接抓取了host主机值为api域名下的数据在前端渲染,因为是直接使用内网IP没经过代理,同时api二级域名为host主机值。

从2中发觉,4月前后日志的host主机值出现了改变,由www.name.com变成了api.name.com。

最终,问题就出现在host主机为api的站点,没有使用代理,也就是说只要api站点通过代理变成www的二级站点渲染即可。如果没有使用代理,百度GET返回的页面是内网IP,抓取到的也就是https://api.name.com/post/1.html 这个URL。

解决方案:

1、负载均衡的数据服务器api接口使用代理

2、Head区增加标签

3、前端渲染的HTML使用绝对路径

4、开发个API接口推送数据

本文完。鉴于本人仅是SEO,运维能力有限,单机服务器配置下站可以,负载均衡只是略微听过,如有运维方面错误之处请见谅。

来源:卢松松博客 作者:深圳传说

未解决
您可能还需要
天天领红包,单单有红包
SEO整站优化值得注意的4个细节
SEO技术中需要IT的有哪些
为什么搜索联系人手机号后4位,无法找到对应的联系人?
40万APP上新,2019这10款最值得关注
为什么后台没有考勤打卡?
转发消息提示参数错误怎么办?
2020年怎样开微店详细步骤(零基础必看微店整个开店步骤)
宜搭配置JS项目中支持Promiseme吗?
云盘常见问题
交换名片时二维码只可以使用钉钉扫描吗?
TikTok最早或今日宣布交易!但核心技术出口需获国家批准
TikTok出售不带源码的美国业务,买家或是甲骨文!
TikTok与甲骨文的合作在24-36个小时内完成,甲骨文占股20%
TikTok不卖了!甲骨文确认与字节跳动达成协议,不涉及股权收购,特朗普会答应吗
TikTok上让老外看懵的国货(小商品大受老外追捧)
TikToK与甲骨文达成合作,模式有经验可循
Targus电脑包哪款好(泰格斯笔记本包排行榜)
TVB老戏骨廖启智因胃癌去世,享年66岁,发病才4个月!
TST庭秘密实控人张庭的抖音账号被暂封,微博被禁言
TRUEPARTNER迎来戴维斯双击,资产规模&业绩双增长
TOPFEEL极夜T72M迷你主机评测:全金属小身材大内涵
TIM新版支持微信扫码登录:自动生成新QQ
SwitchPro再不出来,玩家们就要玩腾讯产的游戏掌机了
SpaceX接受狗狗币支付(明年向月球发射狗狗一号卫星)
ShopExpress:微盟国际化的“加速器”
SaaS服务商得有店:为什么要把小程序生成软件系统全面免费
SEO误人误己的臆想:拒绝黑帽提倡白帽
SEO误人误己的臆想:原创文章究竟是什么
SEO行业怎么了
SEO网站优化合同范文(标准网站排名合作合同)
正在加载...