VPS cho web scraping (cào dữ liệu web) với headless Chrome cần bao nhiêu vCPU chuyên dụng?

Mỗi gói chạy được bao nhiêu trình duyệt headless?

Một trình duyệt headless Chrome cần từ 1.5 đến 2 vCPU: hai quy tắc được công bố đều nằm trong khoảng đó. Playwright Test mặc định khởi động số worker bằng một nửa số logical core CPU. BrowserStack, đơn vị chạy trình duyệt thật làm nghề chính, yêu cầu khách hàng tự triển khai 1.5 CPU cho mỗi trình duyệt trên Linux với các trang web thông thường, và ít nhất 2 cho các trang nặng hoặc dùng liên tục suốt ngày đêm. Áp dụng cho từng gói:

Vì sao headless Chrome ngốn nhiều CPU đến vậy?

Một trình duyệt headless làm mọi thứ một trình duyệt hiển thị làm, trừ việc vẽ lên màn hình. Nó tải trang, phân tích HTML và CSS, chạy mọi script, dàn trang và giữ các timer tiếp tục chạy. Chromium chia công việc đó ra nhiều tiến trình: một tiến trình trình duyệt quản lý phần còn lại, và các tiến trình renderer cho nội dung web, với mỗi tab hoặc cửa sổ mới thường mở trong một tiến trình riêng. Mười tab tốn gần bằng công CPU của mười renderer.

Ba thay đổi cắt giảm chi phí mà không đổi kết quả:

• Chặn những gì không bao giờ được đọc. Ảnh, font và media tốn băng thông và thời gian giải mã; request interception trong Puppeteer hoặc routing trong Playwright từ chối chúng.
• Tái dùng một trình duyệt, mở context mới. Khởi động Chrome là bước tốn kém; một context hoặc trang mới trong một trình duyệt đang chạy rẻ hơn nhiều.
• Bỏ qua trình duyệt khi dữ liệu cho phép. Dữ liệu nằm trong HTML hoặc trong một JSON API mà trang gọi tới có thể lấy về bằng một HTTP client thuần, thứ không chạy script nào cả.

Từ Chrome 132, chế độ headless cũ chỉ còn phát hành dưới dạng một binary riêng, chrome-headless-shell; --headless trên Chrome thông thường chạy chế độ mới.

vCPU riêng có quan trọng với các worker scraping không?

Một trình duyệt bị thiếu CPU sẽ lỗi chứ không chạy chậm lại. Thời gian chờ điều hướng và selector được đặt bằng giây. Khi một hàng xóm chiếm thời gian CPU, các trang hoàn tất render muộn, thời gian chờ hết hạn, và một job lẽ ra thành công lại bị chạy lại, tốn thêm CPU. Browserless, đơn vị bán Chrome dạng hosted, nói rõ trong tài liệu của mình: độ đồng thời thấp hơn cho mỗi trình duyệt nhiều CPU và bộ nhớ hơn, giảm thời gian chờ và cải thiện độ ổn định. Thời gian CPU bị mất hiện ra dưới dạng steal, được giải thích trong thời gian steal CPU là gì và cách kiểm tra trên VPS.

Tại Cobaltfell, phần CPU của sự đánh đổi đó là cố định. Một vCPU là một luồng phần cứng của bộ xử lý máy chủ. Các luồng của bạn được ghim 1-1 vào VPS của bạn và không bao giờ được cho khách hàng khác mượn, và hai luồng của một lõi vật lý luôn đi cùng nhau, nên cứ mỗi 2 vCPU tạo thành một lõi nguyên vẹn mà không hàng xóm nào dùng chung. Được phép chạy full load miễn là công việc của bạn cần: không có credit CPU, không có cửa sổ burst và không bị bóp hiệu năng sau vài phút ở mức 100%.

Độ đồng thời được tìm ra theo cùng một cách trên bất kỳ host nào: bắt đầu với một trình duyệt cho mỗi hai vCPU, tăng lên khi tỷ lệ lỗi giữ ổn định, và dừng ở lần đầu tiên thời gian chờ tăng lên.

Các host bán vCPU riêng, được xếp hạng theo cùng các tiêu chí đã ghi rõ, có trong nhà cung cấp VPS CPU riêng tốt nhất năm 2026 là ai.

Làm sao để chạy worker Chrome an toàn trên VPS?

Giữ bật sandbox của Chrome, chạy dưới người dùng thường và cấp cho container một tiến trình init. Các trang được scrape vốn dĩ là mã không đáng tin, và các hướng dẫn chính thức đều thống nhất từng điểm:

• Sandbox. Hướng dẫn xử lý sự cố của Puppeteer nói rằng chạy không có sandbox là rất không nên. Hướng dẫn Docker của Playwright lưu ý rằng chạy dưới root sẽ vô hiệu hóa sandbox của Chromium, và khuyến nghị dùng một người dùng riêng cùng hồ sơ seccomp của nó cho scraping và crawl.
• Tiến trình init. Cả hai hướng dẫn đều khuyến nghị cờ --init của Docker, để các tiến trình con Chrome đã xong được thu dọn thay vì chất đống thành zombie.
• Bộ nhớ chia sẻ. Playwright khuyến nghị --ipc=host cho Chromium, vì nếu không có nó Chromium có thể hết bộ nhớ và bị crash.

Hai con số cho biết một pool đang hoạt động thế nào: bộ nhớ mà tất cả tiến trình Chrome chiếm giữ, và cột steal của mpstat.

# total resident memory of chrome / chromium / headless shell processes, in MB
ps -eo rss=,comm= | awk '/chrom/ {s+=$1} END {printf "%.0f MB\n", s/1024}'

# how many renderer processes are alive right now
pgrep -fc -- '--type=renderer'

# per-vCPU load and %steal while the pool works (package sysstat)
mpstat -P ALL 5 3

Còn quy định của các trang web và proxy thì sao?

Scraping phải nằm trong điều khoản của từng trang và pháp luật áp dụng cho người vận hành và cho trang đó. Trang này nói về kích cỡ máy, không nói về tính hợp pháp của một dự án. Các cuộc tấn công vào hệ thống không phải của bạn, bao gồm brute-force và tấn công từ chối dịch vụ, đều bị cấm theo chính sách sử dụng hợp lý của Cobaltfell cho phép những gì, nên tốc độ yêu cầu cần giữ ở mức lịch sự.

Proxy và xoay IP là chủ đề riêng, và Cobaltfell không bán cả hai. Mỗi VPS nhận một địa chỉ IPv4 và một IPv6 /64 trên cổng 1 Gbit/s. Lưu lượng hàng tháng của gói chỉ tính dữ liệu gửi đi, và vượt mức không tự động phát sinh thêm phí. Giá các gói được liệt kê trong VPS lõi riêng giá bao nhiêu.