SEO收錄異常診斷：負載均衡架構導致的SEO問題及解決方案
最近，本人負責的其中一個站點收錄出現了異常，趁著周末有空講述一下整個診斷過程。核心問題有兩點，服務器架構和網站程序架構導致的;本篇僅分享服務器架構導致的收錄異常。
首先，介紹一下自己。本人就職于深圳某企業，長期混跡于乙方外包公司，眾所周知seo外包公司接的是絕大部分是小企業網站，這些網站做的關鍵詞往往也僅是改個TDK就完成排名的工作。
再加上，目前絕大部分中小站點的架構很簡單，開源CMS+單一云服務器(虛擬主機)+CDN(這還是有點運維能力公司)。鑒于以上經驗，導致本人完全沒有意識到服務器架構方面也能出現問題。
一、收錄異常的發現
從(圖1)可以和明顯的看出，在3月中下旬收錄是偏向正常的，問題出現在3.31日-4.25日之間出現了浮動，也就是說，這個區間一定是站點出現了問題導致收錄異常。
SEO收錄異常診斷：負載均衡架構導致的SEO問題及解決方案 SEO優化 SEO推廣 第1張
本人開始按常規方法排查，特別是服務器日志有些參數沒有排除注意，以至于導致了問題發現，具體如下：
1.1、站長平臺模擬爬蟲抓取，正常。
1.2、搜索引擎爬蟲抓取數量在提升，偏向正常。這里有異常，排查偽蜘蛛爬蟲在抓數據，真實百度爬蟲確實也在增長。
1.3、核心關鍵詞排名浮動，但偏向且上升趨勢靠前，目前核心大詞處于前5名，正常。
1.4、服務器日志分析，爬蟲對應的request_uri值(相對地址)，暫屬正常，請看下文。
1.5、服務器日志是阿里云的日志，http請求，7.18日、7.19日、7.20日以及7.26日出現小面積服務器500訪問錯誤;但最多只出現有限的時間收錄異常，不至于大范圍不收錄。
在服務器訪問日志分析中，一般需要注意的項是：爬蟲抓取時間值，爬蟲頁面URL值，爬蟲在頁面抓取順序，時間內爬蟲抓取數量，另一說蜘蛛IP值有權重高低之分(本人不確定，故不參考)
頁面URL值：一般服務器日志是相對地址，本人診斷出現的問題在于忽略host值，真實抓取URL應該是，host+request_uri值組合。
頁面抓取順序：可檢驗網站架構的爬行情況，大概可以知道爬蟲在網站頁面中的爬行順序，可以輔助使用爬蟲軟件或者開發經典爬蟲(PY，PHP等)的爬行情況作為參考
時間內爬蟲抓取數量：檢驗網站頁面總量和時間段內抓取量的占比，判斷網站的受歡迎程度。
說到這里，交代一下站點的服務器架構：
用的是負載均衡，文件服務器+數據服務器+前端服務器，數據服務器全部數據是由API接口、GET方式前端和app使用，網站URL是相對地址。服務器之間自然用的也是內網通訊。
綜上，可能大家也看出有忽略的參數，是1.4中提到的日志host值，因為是相對地址，host+request_uri才是抓取的完整地址。一直忽略的Host值，原來是API的二級域名(圖2)
SEO收錄異常診斷：負載均衡架構導致的SEO問題及解決方案 SEO優化 SEO推廣 第2張
說到這里，大家可能已經基本上可以確定知道原因了。
就是百度根本沒有抓取到真實的頁面URL，實際上抓取的是API域名+request_uri，
即假設數據庫服務器API給前端渲染的數據路徑是api.name.com，走內網IP,
抓取到的頁面URL為：https://api.name.com/post/1.html
真實應該是外網IP的URL：https://www.name.com/post/1.html
既然核心問題已把握30%，下一步自然是數據證明，主要從幾個點。
1、翻開發日志記錄
2、4月前后的服務器日志整理對比
從1中發覺，4.13號負載均衡的數據服務器api取消代理，這樣造成的后果是前端直接抓取了host主機值為api域名下的數據在前端渲染，因為是直接使用內網IP沒經過代理，同時api二級域名為host主機值。
從2中發覺，4月前后日志的host主機值出現了改變，由www.name.com變成了api.name.com。
最終，問題就出現在host主機為api的站點，沒有使用代理，也就是說只要api站點通過代理變成www的二級站點渲染即可。如果沒有使用代理，百度GET返回的頁面是內網IP，抓取到的也就是https://api.name.com/post/1.html 這個URL。
解決方案：
1、負載均衡的數據服務器api接口使用代理
2、Head區增加標簽
3、前端渲染的HTML使用絕對路徑
4、開發個API接口推送數據
本文完。鑒于本人僅是SEO，運維能力有限，單機服務器配置下站可以，負載均衡只是略微聽過，如有運維方面錯誤之處請見諒。
作者：深圳傳說
來源：盧松松博客
