Comprar proxies significa ler fichas técnicas escritas em um vocabulário que ninguém explica, onde a mesma palavra pode significar coisas diferentes nos sites de dois fornecedores. Este é o glossário de trabalho: os termos que realmente mudam o que você paga ou o que você recebe, agrupados pela decisão a que pertencem, em linguagem simples.
Tipos de proxy
Proxy residencial. Um endereço IP pertencente a uma conexão de internet doméstica real, atribuído por um ISP de consumo a uma residência. Os sites o tratam como um visitante comum, por isso funciona em alvos que bloqueiam servidores. Provém de pessoas que concordaram em compartilhar sua conexão, então a oferta é finita e o preço reflete isso. Mais em o que são proxies residenciais.
Proxy de datacenter. Um endereço pertencente a um provedor de hospedagem ou nuvem. Rápido, barato, abundante e instantaneamente reconhecível como servidor, porque as faixas de endereços são registradas publicamente. Bom para alvos sem defesa, ruim para qualquer coisa que examine o tráfego com atenção. A comparação está em residencial versus datacenter.
Proxy de ISP, também chamado de residencial estático. Um endereço hospedado registrado em um ISP de consumo: confiança de nível residencial com a estabilidade e a velocidade de datacenter, e não rotaciona. Ideal quando você precisa que a mesma identidade persista em vez de mudar. Veja ISP versus residencial.
Proxy móvel. Um endereço da rede móvel de uma operadora. O tipo mais difícil de bloquear, porque as operadoras colocam muitos assinantes reais atrás de cada endereço, e correspondentemente o mais caro e o menos estável. Veja móvel versus residencial.
Pool de proxies. O conjunto de endereços pelos quais um provedor pode rotear você. O número em destaque é uma métrica de comparação fraca, porque o que importa é a densidade nos países que você realmente usa e quantos estão disponíveis simultaneamente, não uma contagem cumulativa.
Como o tráfego é roteado
Gateway. Um único endpoint para o qual você envia tudo, que escolhe um endereço de saída para você com base em parâmetros que você fornece. A alternativa, hoje já quase histórica, é uma lista de endereços e portas de proxy individuais que você mesmo gerencia.
Proxy rotativo. Cada requisição sai por um endereço diferente. O padrão para coleta em volume, porque distribui o tráfego de modo que nenhum endereço isolado atraia atenção. Veja como funciona a rotação.
Sessão fixa (sticky session). Um endereço mantido ao longo de várias requisições, identificado por um ID de sessão que você escolhe, por um tempo de vida limitado. Necessário para fluxos de múltiplas etapas em que o site rastreia o estado, como uma busca paginada ou um login. Veja sticky versus rotativo.
ID de sessão e TTL. O ID de sessão é o rótulo que vincula as requisições ao mesmo endereço de saída; o TTL é por quanto tempo esse vínculo persiste antes de o endereço rotacionar. Ambos costumam ser expressos dentro do nome de usuário do proxy, em vez de como configurações separadas.
Concorrência. Quantas requisições você tem em andamento simultaneamente. Distinta da taxa, que é a frequência com que você as inicia, e alguns provedores medem isso separadamente. Veja conexões concorrentes ilimitadas.
Direcionamento
Geo-targeting. Escolher em qual país fica o endereço de saída, para que você veja o que um visitante de lá veria. A base de qualquer coleta em que os resultados variam por mercado.
Direcionamento por cidade. Restringir a uma cidade específica, o que importa para busca local, disponibilidade em loja e preços regionais, e é desnecessário para a maior parte do resto do trabalho. Veja quando o direcionamento por cidade importa.
Direcionamento por ASN. Escolher a operadora de rede a que o endereço pertence, útil quando um alvo se comporta de forma diferente por operadora. Veja direcionamento por ASN.
Correspondência estrita. Uma opção que falha a requisição em vez de recorrer a uma área mais ampla quando nenhum endereço corresponde exatamente ao seu filtro. Útil quando uma localização errada corromperia os dados silenciosamente.
Preços e cobrança
Preço por GB. Você paga pelos dados transferidos, não por endereços ou portas. Este é o modelo padrão para residencial rotativo e faz da largura de banda, não da quantidade de IPs, o número a ser previsto. Veja estimando a largura de banda mensal.
Alocação de largura de banda. Os GB incluídos no seu plano para um ciclo de cobrança. Geralmente não é acumulado para o ciclo seguinte.
Excedente, às vezes chamado de tráfego extra. O que acontece quando você ultrapassa a alocação: ou as requisições parem, ou o uso continua a uma taxa por GB cobrada contra um saldo, dependendo de como a conta está configurada.
Preço por porta ou por IP. O modelo mais antigo, em que você comprava um número fixo de portas ou endereços. Em grande parte superado para residencial rotativo, e vale entender principalmente para reconhecê-lo em uma cotação. Veja por que a era do preço por porta acabou.
Qualidade e confiança
Reputação de IP. O julgamento acumulado que sites e serviços de inteligência mantêm sobre um endereço, com base no que já foi feito a partir dele antes. Um endereço genuinamente residencial com reputação ruim tem desempenho pior do que um endereço limpo, e é por isso que a reputação importa tanto quanto o tipo. Veja o que é reputação de IP.
Fingerprinting. Identificar um cliente pelas características de suas requisições em vez de pelo seu endereço: handshake TLS, configurações de HTTP/2, conjunto e ordem dos cabeçalhos e, em navegadores, detalhes de renderização e do dispositivo. Um IP limpo com um fingerprint incompatível ainda é detectado. Veja fingerprinting de TLS e HTTP/2.
Bloqueio suave. Uma recusa disfarçada de sucesso: uma página de desafio, um resultado vazio, uma listagem truncada, ou uma página genérica retornada com status 200. O modo de falha mais custoso, porque um monitoramento ingênuo o conta como funcionando. Veja detectando conteúdo bloqueado ou falso.
Taxa de sucesso validada. A fração de requisições que retornaram os dados desejados, em oposição à fração que retornou qualquer resposta. A única métrica de sucesso que vale a pena reportar. Veja KPIs de proxy.
Sourcing ético. Se as pessoas cujas conexões compõem o pool concordaram conscientemente e podem optar por sair. Uma questão de cadeia de suprimentos com consequências práticas, já que sourcing não divulgado se correlaciona com pools que acabam sinalizados.
Operações
Limitação de taxa (rate limiting). O limite de um alvo para quantas requisições ele aceita em um período, geralmente por IP. Seu ritmo precisa respeitá-lo, e um pool muda onde o limite se aplica em vez de removê-lo. Veja rate limiting e throttling.
Backoff. Esperar intervalos progressivamente maiores entre novas tentativas após uma falha, idealmente com randomização para que workers paralelos não tentem de novo em ondas sincronizadas. Veja retry e backoff.
Failover. Mover o trabalho para uma rota diferente quando uma delas se degrada, para que a tarefa continue em vez de travar. Veja failover em pipelines multi-região.
407. O código de status que um proxy retorna quando rejeita suas credenciais. Geralmente credenciais erradas ou um parâmetro de direcionamento malformado, e nunca vale a pena tentar novamente. Veja corrigindo erros 407.
SLA de uptime. Um compromisso sobre a disponibilidade do próprio provedor. Não diz nada sobre se seus alvos aceitam seu tráfego, o que é um eixo separado que você mesmo monitora. Veja SLAs e garantias de uptime.
Termos que merecem ceticismo
Três expressões carregam menos informação do que parecem.
“Ilimitado.” Sempre pergunte ilimitado em qual dimensão. Concorrência ilimitada tem significado; largura de banda ilimitada em um produto residencial geralmente não tem, e onde aparece geralmente há outro limite fazendo o trabalho.
“Taxa de sucesso de 99,9%.” Nenhum provedor controla se sites de terceiros aceitam seu tráfego, então uma alegação de taxa de sucesso em alvos arbitrários não é uma promessa que alguém possa cumprir. Teste nos seus próprios alvos, conforme testando velocidade, taxa de sucesso e precisão de localização.
Tamanho de pool na casa das dezenas de milhões. Não verificável, e não é o que determina seus resultados. A densidade onde você coleta é o que importa, e isso aparece nas suas próprias medições, não em uma página de marketing. Se você quiser verificar se um pool é o que afirma ser, veja identificando IPs de datacenter vendidos como residenciais.
Conclusão
A maior parte do vocabulário se reduz a quatro decisões: qual tipo de endereço você precisa, como ele deve rotacionar, onde ele deve estar e como você é cobrado por ele. Todo o resto é ou uma questão de qualidade, que seu próprio teste responde melhor do que qualquer ficha técnica, ou uma questão operacional que você encontrará depois de comprar. Quando um termo está fazendo trabalho persuasivo em vez de descrever algo mensurável, trate-o como marketing e vá medir a coisa você mesmo.
Quando estiver pronto para comparar isso com um produto real, proxies residenciais cobrem os casos rotativo, sticky, por país e por cidade descritos acima através de um único gateway, com preço por GB para que o número que você prevê seja o número que você paga. As decisões no nível do plano estão em como escolher o plano certo de proxy residencial.