最近，本人卖力的个中一个站点收录呈现了异常，趁着周末有空报告一下整个诊断历程。核心问题有两点，处事器架构很网站措施架构导致的;本篇仅分享处事器架构导致的收录异常。
首先，介绍一下本身。本人就职于深圳某企业，历久混迹于乙方外包公司，众所周知seo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就完成排名的事情。
再加上，今朝绝大部分中小站点的架构很简单，开源CMS+单一云处事器(虚拟主机)+CDN(这照旧有点运维能力公司)。鉴于以上履历，导致本人完全没有意识随处事器架构方面也能呈现问题。
一、收录异常的发明
从(图1)可以和明显的看出，在3月中下旬收录是方向正常的，问题呈此刻3.31日-4.25日之间呈现了浮动，也就是说，这个区间必然是站点呈现了问题导致收录异常。
seo收录怎么晋升
本人开始按通例要领排查，出格是处事器日志有些参数没有解除注意，以至于导致了问题发明，详细如果下：
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晋升，方向正常。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，但方向且上升趋势靠前，今朝核心大词处于前5名，正常。
1.4、处事器日志阐明，爬虫对应的request_uri值(相对地点)，暂属正常，请看下文。
1.5、处事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日呈现小面积处事器500会见错误;但最多只呈现有限的时间收录异常，不至于大范畴不收录。
在处事器会见日志阐明中，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值有权重坎坷之分(本人不确定，(拼多多货源平台)，故不参考)
页面URL值：一般处事器日志是相对地点，本人诊断呈现的问题在于忽略host值，真实抓取URL应该是，host+request_uri值组合。
页面抓取顺序：可检讨网站架构的爬行环境，或许可以知道爬虫在网站页面中的爬行顺序，可以帮助利用爬虫软件可能开发经典爬虫(PY，PHP等)的爬行环境作为参考
时间内爬虫抓取数量：检讨网站页面总量和时间段内抓取量的占比，判断网站的受欢迎水平。
说到这里，交代一下站点的处事器架构：
用的是负载平衡，文件处事器+数据处事器+前端处事器，数据处事器全部数据是由API接口、GET方法前端和app利用，网站URL是相对地点。处事器之间自然用的也是内网通讯。
综上，大概大家也看出有忽略的参数，是1.4中提到的日志host值，因为是相对地点，host+request_uri才是抓取的完整地点。一直忽略的Host值，本来是API的二级域名(图2)
seo收录怎么晋升
说到这里，大家大概已经基本上可以确定知道原因了。
就是百度基础没有抓取到真实的页面URL，实际上抓取的是API域名+request_uri，(www.hongke123.com)，
即假设数据库处事器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
既然核心问题已掌握30%，下一步自然是数据证明，主要从几个点。
1、掀开发日志记录
2、4月前后的处事器日志整理比拟
从1中觉察，(抖音刷粉平台)，4.13号负载平衡的数据处事器api打消署理，这样造成的效果是前端直接抓取了host主机只为api域名下的数据在前端渲染，因为是直接利用内网IP没颠末署理，同时api二级域名为host主机值。
从2中觉察，4月前后日志的host主机值呈现了改变，由酿成了api.name.com。
最终，问题就呈此刻host主机为api的站点，没有利用署理，(网站快速收录方法)，也就是说只要api站点通过署理酿成www的二级站点渲染即可。如果果没有利用署理，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。
办理方案：
1、负载平衡的数据处事器api接口利用署理
2、Head区增加标签
3、前端渲染的HTML利用绝对路径
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，(新版dede采集侠修复采集https方法下载），单机处事器配置下站可以，负载平衡只是略微听过，如果有运维方面错误之处请包涵。
