网络矿工是支持海量数据采集的，海量数据没有一个准确的定义，但我曾经测试，连续采集上百万条的数据是没有问题的，且网络矿工队资源占用也非常少（这部分的数据已经忘了，无法给出）。在此并非主要谈网络矿工采集海量数据的问题，而是重点说一下海量数据库的操作（当前仅考虑MSSqlServer），尽管与网络矿工采集无关，但还是对此做一了解：
1、网络矿工在连续insert的时候是随时关闭连接的，不会长时间打开连接进行操作，避免对资源的占用；
2、对海量数据维护操作时，连续update时一定要确保数据表的优化及服务器性能，否则会经常出现超时，我曾测试，连续update45W条数据（表大概有100W条，字段为12个字段，8个vchar，4个int，int主键），不会出现超时，但一定要对数据表进行索引的优化，服务器资源也要充分考虑，甚至有必要，需调整sqlserver默认的超时设置；
3、日志的重要性，当频繁对数据库进行操作时，日志的递增是非常快的，日志的容量如果超过2G，会频繁出现超时问题，此点非常重要，日志的问题会被忽视，但日志对数据性能的影响又非常直接；
第二个问题：User-Agent
这两天遇到很多朋友再问同一个问题，就是关于论坛数据的采集。在此给出一些思路：
1、论坛数据采集是需要实现登录的，登录的数据通常是存储在cookie中的，所以，只要记录cookie数据即可，记录cookie，同在配置采集任务中，基本设置，点击cookie旁边的按钮，打开网络矿工自带的浏览器实现登录，系统会自动捕获Cookie，保存退出即可；
2、在记录了cookie后，发现还是无法采集数据，通过Fiddler查看，原来是User-Agent的问题，使用网络矿工V1.81，在采集任务配置中，基本设置，http headers 添加User-Agent，即可。测试成功
实际过程很简单，但在这个过程很多人都无法正确配置，主要问题是不会使用Fiddler ，这几天抽空提供一个Fiddler的视频教程，希望可以帮到大家，呵呵