1.url 的遍历和纪录

　　2.多进程 VS 多线程

　　3.时间更新控制

　　4.爬的深度

　　5.爬虫一般不直接爬对方的网页，一般是通过一个Proxy出去，这个proxy有缓解压力的功能，因为当对方的网页没有更新的时候，只要拿到 header 的 tag就可以了，没有必要全部传输一次了，可以大大节约网络带宽。

　　6.请有空的时候照看一下robots.txt

　　7.存储结构。