SparkBot（又称 Sparkler）是美国南加州大学（USC）开发的开源分布式网页爬虫，基于 Apache Spark 集群构建，为搜索引擎、知识库与大数据分析提供高可用、可扩展的全网公开数据抓取能力。它集成 Kafka、Lucene、Tika 等 Apache 组件，支持近实时分析与流式输出，严格遵循 robots 协议，合理调控抓取压力，长期维护更新，是分布式爬虫领域的主流开源项目。
通过网站根目录的 robots.txt 声明禁止该爬虫访问，简单标准；恶意爬虫会无视该规则。
在服务器配置中直接匹配爬虫 UA 返回 403，不消耗应用资源；需修改服务器配置。
通过 .htaccess 规则拦截指定 UA，无需修改主配置；仅适用于 Apache 服务器。
在 PHP 代码中判断访问者 UA，命中后返回 403，灵活可定制；会消耗应用服务器资源。
前端 JavaScript 检测 UA 并跳转 403 页面，简单易实现；高级爬虫可绕过（不执行 JS）。