一、指标基本定义
1.1 存活率与死亡率
存活率、死亡率是衡量一批代理IP基础连通性的指标，通常针对批量提取的IP样本计算：
- 存活率：样本中能够成功建立网络连接、完成基础请求的IP占比；
- 死亡率：样本中无法连接、超时、认证失败、无响应的IP占比。
公式：
存活率 = 存活IP数 / 总样本IP数 × 100%
死亡率 = 死亡IP数 / 总样本IP数 × 100%
存活率 + 死亡率 = 100%这里的“存活/死亡”是基础二元判断：仅验证IP能否连通公网、完成基础请求，不验证是否能访问特定目标网站。
1.2 常规测试方法
通过向每个代理IP发送标准测试请求（如访问IP回显接口），设置合理超时，根据返回结果标记状态。可通过脚本批量测试，示例逻辑：
import requests
def test_proxy(proxy_addr):
proxies = {"http": proxy_addr, "https": proxy_addr}
try:
resp = requests.get("[https://httpbin.org/ip](https://httpbin.org/ip)", proxies=proxies, timeout=10)
return resp.status_code == 200
except Exception:
return False批量测试后统计占比即可得到对应指标。
二、两种死亡类型
2.1 初始死亡
指IP提取出来就无法连通使用。
- 原因：服务商IP池维护不及时，失效IP未及时剔除；IP本身已被公网黑名单收录；认证信息错误。
- 反映问题：服务商的基础池维护能力、IP基础质量。
2.2 中途死亡
指提取时正常，使用过程中逐渐失效、无法访问。
- 原因：请求频率过高被目标平台临时封禁；代理节点故障；网络波动；IP被目标平台标记。
- 反映问题：IP的抗封能力、稳定性，以及使用方式是否合理。
服务商宣传的“存活率”通常指初始存活率，实际业务中更需要关注IP存活时长、中途死亡率。
三、与“可用率”的核心区别
很多人混淆存活率与可用率，二者完全不同：
- 存活率：衡量IP能否连通公网，是基础网络层面的指标；
- 可用率：衡量IP能否成功访问特定目标网站、获取预期数据，是业务层面的指标。
同一批IP，存活率通常高于可用率。比如一批住宅IP存活率95%，但访问某高风控电商平台时，可能只有80%能正常返回数据，其余被验证码或403拦截。 存活率是入门门槛，可用率才是直接影响业务效果的核心指标。
四、影响指标的核心因素
- 代理类型：住宅IP存活率、中途稳定性通常优于机房IP；优质服务商的IP存活率高于小服务商。
- 目标平台风控强度：同一批IP访问不同网站，结果差异极大。风控越严，可用率越低，中途死亡率越高。
- 服务商维护能力：健康监测频率高、失效剔除及时的服务商，初始存活率更高。
- 使用方式：请求频率过高、单IP请求量过大、请求特征异常，都会加速IP死亡。
五、降低死亡率的优化方法
- 选择高纯净度住宅IP：从源头提升IP基础质量与信任度，降低初始与中途死亡率。
- 合理控制请求频率：单IP请求间隔随机化，模拟人类行为；高价值任务控制单日请求量级，避免过度压榨IP。
- 动态轮换IP策略：避免单IP持续访问同一目标，定期轮换，分散风险。
- 自动健康检查机制：业务代码中加入IP健康检测，连续失败立即剔除并补充新IP，避免无效重试堆积。
- 请求与会话优化：使用真实浏览器特征，保持Cookie与会话一致性，减少协议层面的异常识别。
六、总结
- 存活率、死亡率是IP连通性的基础指标，反映服务商的基础池维护能力；
- 实际业务更需关注特定目标的可用率，以及IP的中途存活时长；
- 通过优质IP选型、合理使用策略、自动健康管理，可有效降低死亡率，保障业务稳定。
