Proxy inverso
Un proxy que se coloca delante de los servidores en lugar de los clientes y gestiona las peticiones entrantes en su nombre, la dirección contraria a los proxies de reenvío que se usan para scraping.
Un proxy inverso es la imagen especular de todo lo demás en este glosario. Un proxy de reenvío se coloca delante de TI y oculta tu identidad a los servidores a los que llegas. Un proxy inverso se coloca delante de los SERVIDORES y atiende las peticiones en su nombre, así que los visitantes hablan con él y no con las máquinas que hay detrás. Misma palabra, dirección opuesta, y quien lo elige es la otra parte.
Todas sus tareas están en el lado del servidor y casi no se ven: repartir la carga entre un grupo de backends, terminar TLS para que las máquinas de origen no tengan que hacerlo, guardar respuestas en caché, comprimirlas y mantener los servidores de origen completamente fuera de internet público. Si has usado una CDN, nginx como frontal o un balanceador de carga en la nube, has usado uno.
Tiene sitio aquí por una razón que va más allá de la terminología, y conviene entenderla si haces scraping. Cuando una web te pone una prueba, te bloquea o te muestra un CAPTCHA, esa decisión la toma muy a menudo la capa del proxy inverso, antes de que intervenga la aplicación que hay detrás. El sistema antibots, el límite de peticiones, las reglas geográficas: todo eso suele estar en el borde, y por eso te pueden rechazar sin que la aplicación de la web llegue a ver tu petición.
Eso también explica un patrón que extraña a la gente. Una web puede no responder en absoluto a una dirección y funcionar con normalidad desde otra en el mismo segundo, sin lógica aparente. El borde toma una decisión por petición a partir de datos de reputación y reglas, y la decisión no le cuesta nada porque no consultó nada de lo que hay detrás.
La distinción práctica que conviene retener: si configuras un host y un puerto en tu propio cliente para cambiar cómo apareces, eso es un proxy de reenvío y es tuyo. Si la infraestructura de una web decide si te atiende, un proxy inverso forma parte de esa decisión. Esto último no lo compras; te lo encuentras.
Preguntas frecuentes
¿Una CDN es un proxy inverso?
En esencia sí, un proxy inverso a escala geográfica. Se coloca delante de los servidores de origen de una web, guarda y sirve contenido desde ubicaciones cercanas a los visitantes, termina TLS y protege el origen del tráfico directo. También suele llevar las reglas antibots y de límite de peticiones, y por eso una CDN puede bloquearte antes de que la aplicación de la web sepa que existes.
¿Puedo comprar un proxy inverso para hacer scraping?
No, y la pregunta suele indicar que se han mezclado los dos términos. Un proxy inverso es infraestructura que el operador de una web despliega delante de sus propios servidores. Lo que compras para hacer scraping es un proxy de reenvío: residencial, de centro de datos, ISP o móvil. Si un proveedor te vende algo descrito como proxy inverso para scraping, está usando mal la palabra.
¿Por qué importa un proxy inverso si hago scraping?
Porque suele ser lo que te bloquea. El límite de peticiones, las reglas geográficas, las comprobaciones de reputación y las pruebas antibots suelen ejecutarse en el borde, así que un rechazo a menudo ocurre antes de que intervenga la propia web. También explica por qué el bloqueo puede parecer instantáneo e incoherente: la decisión es barata y se toma petición a petición.
¿Qué diferencia hay entre un proxy inverso y un balanceador de carga?
Se solapan mucho y a menudo son el mismo software. El balanceo de carga, repartir las peticiones entre backends, es una de las funciones de un proxy inverso, junto con la terminación TLS, la caché y el filtrado. Un balanceador de carga dedicado puede hacer solo el reparto, mientras que un proxy inverso suele hacer más.
Volver al glosario completo.

