<div dir="ltr">Question. We've been getting hammered by search engine bots [?], but they seem to all query our system at the same time. Enough that it's crashing the app servers. We have a robots.txt file in place. I've increased the crawling delay speed from 3 to 10 seconds, and have explicitly disallowed the specific bots, but I've seen no change from the worst offenders - Bingbot and UT-Dorkbot. We had over 4k hits from Dorkbot alone from 2pm-5pm today, and over 5k from Bingbot in the same timeframe. All a couple hours after I made the changes to the robots file and restarted apache services. Which out of 100k entries in the vhosts files in that time frame doesn't sound like a lot, but the rest of the traffic looks normal. This issue has been happening intermittently [last 3 are 11/30, 11/3, 7/20] for a while, and the only thing that seems to work is to manually kill the services on the DB servers and restart services on the application servers. <br><br>The symptom is an immediate spike in the Database CPU load. I start killing all queries older than 2 minutes, but it still usually overwhelms the system causing the app servers to stop serving requests. The stuck queries are almost always ones along the lines of: <br><br><font color="#0000ff">-- bib search: #CD_documentLength #CD_meanHarmonic #CD_uniqueWords from_metarecord(<b><i>BIB_RECORD#</i></b>) core_limit(100000) badge_orgs(1,138,151) estimation_strategy(inclusion) skip_check(0) check_limit(1000) sort(1) filter_group_entry(1) 1 site(<b><i>LIBRARY_BRANCH</i></b>) depth(2)                                                            +<br>                 |       |         WITH w AS ( <br>                |       | WITH <b><i>STRING</i></b>_keyword_xq AS (SELECT                                                        +<br>                 |       |       (to_tsquery('english_nostop', COALESCE(NULLIF( '(' || btrim(regexp_replace(split_date_range(search_normalize(replace(replace(uppercase(translate_isbn1013(E'1')), <b><i>LONG_STRING</i></b>))),E'(?:\\s+|:)','&','g'),'&|')  || ')', '()'), '')) || to_tsquery('simple', COALESCE(NULLIF( '(' || btrim(regexp_replace(split_date_range(search_normalize(replace(replace(uppercase(translate_isbn1013(E'1')), 

<b><i>LONG_STRING</i></b>))),E'(?:\\s+|:)','&','g'),'&|')  || ')', '()'), ''))) AS tsq,+<br>                 |       |       (to_tsquery('english_nostop', COALESCE(NULLIF( '(' || btrim(regexp_replace(split_date_range(search_normalize<br> 00:02:17.319491 | <b><i>STRING</i></b> |</font><br><br>And the queries by DorkBot look like they could be starting the query since it's using the basket function in the OPAC.<br><br><font color="#0000ff">"GET /eg/opac/results?do_basket_action=Go&query=1&detail_record_view=<b><i>LONG_STRING</i></b>&search-submit-go=Search&no_highlight=1&modifier=metabib&select_basket_action=1&qtype=keyword&fg%3Amat_format=1&locg=112&sort=1 HTTP/1.0" 500 16796 "-" "UT-Dorkbot/1.0"</font><br><br>I've anonymized the output just to be cautious. Reports are run off the backup database server, so it cannot be an auto generated report, and it doesn't happen often enough for that either. At this point I'm tempted to block the IP addresses. What strategies are you all using to deal with crawlers, and does anyone have an idea what is causing this?<div>-Jon</div></div>