Google爬行缓存代理（crawl caching proxy）

　　前两天人们注意到Google Adsense蜘蛛所抓取的网页会出现在搜索结果中。Matt Cutts在他的博客里迅速的做出了回应，对这种现象做了进一步解释。

　　简单来说，Google在完成大爸爸数据中心升级后，各种蜘蛛抓取网页的机制产生了变化。不是各个蜘蛛直接抓取网页，而是由一个爬行缓存代理crawl caching proxy抓取网页，然后不同的蜘蛛从这个缓存中获取内容，从而节省了带宽。

　　Matt Cutts的帖子比较完整的翻译可以在幻灭和小添的博客里看到。

　　我要补充的是：第一：Matt Cutts特意指出，这个新的抓取机制不会让你的网页被抓取的更快，也不会对排名有任何影响。这个爬行缓存代理也不影响各个蜘蛛本来应该爬行的频率和时间表。只不过各个蜘蛛不直接爬行网页，而是从缓存中获取。

　　第二：更引起我注意的是，Matt Cutts说这个爬行缓存代理是大爸爸更新之后才有的。因为运行的很顺利，在其他人发现这种现象之前，Matt Cutts自己没意识到这种新的机制已经运行了。这说明Matt Cutts并不能掌握所有各个部门的最新情况，那么还有什么是Matt Cutts也还不知道的呢？

　　第三：Matt Cutts讲这个机制的目标是节省带宽，而不是隐藏页面（cloaked page）检测。我觉得弦外之音是，利用同样的技术，Google完全可以用其他的蜘蛛来检测隐藏页面。当然也可能是我过度敏感了。

　　另外，最近很多网站出现被收录的页面数目急剧下降的现象，我怀疑和这个新的页面抓取方法造成的混乱有关。很显然不是排名算法改变导致收录的网页数目下降，而是蜘蛛爬行的问题。
    来源: Zac