事情本身不复杂，线索都在日志里。首页 banner 和推荐文章的内链都带 utm_source=home，日志里同一篇文章既有干净地址也有带参地址。canonical 指向干净版，但带参版仍被反复抓取。
第一反应是「canonical 只能提示合并，不能阻止蜘蛛抓取带参地址」，验证下来不成立。
原因不止一个，得分开看。带查询参数的地址是独立 URL，抓取和缓存都分开算。还有一种是内链模板把渠道参数写死，全站入口都带。
还有一种情况，CDN 按完整 URL 缓存，同一页面存了两份。
先统计带参地址的抓取量
grep -c 'utm_source=home' /var/log/nginx/access.log再往下清掉模板里的渠道参数
grep -rn 'utm_source=home' /var/www/html/wp-content/themes/ | wc -l接着在边缘把参数跳回干净地址
if ($arg_utm_source) { return 301 https://$host$uri; }复核页面里的内链
curl -s https://www.example.com/ | grep -o 'href="[^"]*utm_[^"]*"' | head改完先别撤，确认这几项。内链去掉参数后，带参请求占比从三成降到不足百分之一，同一批文章的抓取次数下降，缓存命中率上升。
渠道统计用事件或日志分析，不要写进链接，站内每多一种参数就多一份重复 URL。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。