用户行为分析研究之数据采集

最新推荐文章于 2024-09-02 09:20:34 发布

ZeekerLin

最新推荐文章于 2024-09-02 09:20:34 发布

阅读量1w

点赞数

分类专栏：学习笔记系统架构网站监控

学习笔记同时被 3 个专栏收录

56 篇文章 0 订阅

订阅专栏

系统架构

34 篇文章 0 订阅

订阅专栏

网站监控

6 篇文章 0 订阅

订阅专栏

1.1用户行为分析的重要性

　　用户行为分析的重要性，我想做个网站的人都会用很清晰的认识，本来我想谈谈自己想法，但感觉自己毕竟还是做技术的，很难清晰的从商业价值的角度来分析它的重要性，因此放弃了想阐述自己意见的想法。当我第一次见到百度统计，和谷歌分析网站，就有那种惊鸿一瞥的激动，很想自己也能写出一套这样的网站，这也是我持续研究用户行为分析的初衷。

　　我估计还是有很多童鞋对“用户行为分析”的概念比较陌生，这里将百度百科里的解释在这里贴出来，抛砖引玉，希望能有更多的志同道合者跟我一起研究这个主题，百度百科的地址如下：

　　http://baike.baidu.com/view/2330219.htm

　　好了，废话不多说了，马上就进入正题。

1.2 设计优秀的数据采集系统

　　对于大型网站而言，网站响应速度是网站是否优秀一个重要衡量标准，下面我引用一些权威机构的统计数据来说明网站响应速度的重要性：

　　用户行为分析的前提就是能准确的采集到用户的相关数据，这就需要我们在网站页面里添加采集数据的代码，如果我们的采集代码写的不好，一定会对网站的性能产生一定的影响，更有甚者还会影响到网站的稳定性。因此设计一套性能卓越，安全性好，耦合度很低的日志采集程序是非常重要的。

　　这里我提供一套采集数据方案，方案详情如下：

　　我是做java的程序员，经常使用到的web应用服务器是tomact，jboss，weblogic等等，我这里为什么不使用这些我非常熟悉的web应用服务器，而去选择功能相对单一的apache或者是nginx呢？理由非常简单，因为apache和nginx速度更快，更加轻量级，这个经验来源于我做网站的经验，大型网站的服务端设计是很复杂的，但基本都有一个共同的原则：当用户一个请求提交到了服务端，服务端会先判断这个请求，如果请求的是一些对静态资源的访问（比如图片，不会变化的文字等），请求会直接提交到响应的静态资源服务器集群，这样速度会更快，而这些静态资源服务器基本都是apache或者是像nginx这样的轻量级web服务器集群。

1.3 采集系统之服务端

　　本地开发，我就不去搭建集群了，有兴趣的童鞋可以在网上查查相关的资料。本地开发我就搭建一个apache服务器。

　　服务器的开发非常简单，只要修改下apache下的conf文件（注意：我的开发平台是window7），代码如下：

<IfModule log_config_module>
    LogFormat "%h %l %u %t [%{%Y-%m-%d %T}t] \"%r\" [%q] [%U] %>s %b \"%{Referer}i\" \"%{User-Agent}i\"" combined
    LogFormat "%h %l %u %t [%{%Y-%m-%d %T}t] \"%r\" [%q] [%U] %>s %b" common

    <IfModule logio_module>
      # You need to enable mod_logio.c to use %I and %O
      LogFormat "%h %l %u %t [%{%Y-%m-%d %T}t] \"%r\" [%q] [%U] %>s %b \"%{Referer}i\" \"%{User-Agent}i\" %I %O" combinedio
    </IfModule>

在htdocs文件夹里添加如下文件：

1) a.gif。（1*1像素的透明文件）

2) click.html。（用于记录点击日志）

3) error.html。（记录错误信息日志）

启动apache服务器，我们在浏览器录入如下地址：

http://127.0.0.1/a.gif?name=sharpxiajun&msg=test

在logs文件夹里找到2012_06_26.access.log文件，打开文件，我们会看到如下日志：

127.0.0.1 - - [26/Jun/2012:11:37:07 +0800] [2012-06-26 11:37:07] "GET /a.gif?name=sharpxiajun&msg=test HTTP/1.1" [?name=sharpxiajun&msg=test] [/a.gif] 200 43

访问请求被完整的记录下来了。

1.4 采集系统之客户端

　　采集系统的核心还是客户端的采集脚本，这里我会贴出完整的采集脚本以及测试页面，代码的详细解析我会在以后的博客里进行阐述。

　　我的采集脚本可以记录用户访问的日志，还能记录用户的点击日志，不过点击日志一般包含业务含义需要用户根据自己的需求去定义。代码如下：

up_beacon.js:

View Code

install_up_beacon.js文件，这个文件对外提供：

(function(window,document,undefined){
    /*安装采集脚本的js程序*/
    // upLogger对象是采集脚本对外提供的操作对象
    if (window.upLogger){//如果不为空，直接返回，避免重复安装
        return;
    }
    var cookieUtil = {//cookie操作工具类
        setCookie:function(sName,sValue,oExpires,sPath,sDomain,bSecure){
            var currDate = new Date(),
                sExpires = typeof oExpires == 'undefined'?'':';expires=' + new Date(currDate.getTime() + (oExpires * 24 * 60 * 60* 1000)).toUTCString();
            document.cookie = sName + '=' + sValue + sExpires + ((sPath == null)?'':(' ;path=' + sPath)) + ((sDomain == null)?'':(' ;domain=' + sDomain)) + ((bSecure == true)?' ; secure':'');
        },
        getCookie:function(sName){
            var regRes = document.cookie.match(new RegExp("(^| )" + sName + "=([^;]*)(;|$)"));
            return (regRes != null)?unescape(regRes[2]):'-';
        }        
    };
    var btsVal = cookieUtil.getCookie('b_t_s'),//b_t_s的cookie作用1.标识该页面是否已经安装了采集脚本；2.记录采集脚本的有效期
        startTime = 0,
        intervalTime = 3 * 24 * 60 * 60 * 1000,
        currIntervalTime = new Date().getTime() - 1200000000000,
        domainHead = (document.URL.substring(0,document.URL.indexOf('://'))) + '://';
    if (btsVal != '-' && btsVal.indexOf('t') != -1){
        var getBtsTime = btsVal.substring(btsVal.indexOf('t') + 1,btsVal.indexOf('x'));
            getCurrInterVal = currIntervalTime - getBtsTime;
        if (getCurrInterVal > intervalTime){
            startTime = currIntervalTime;
            cookieUtil.setCookie('b_t_s',btsVal.replace('t' + getBtsTime + 'x', 't' + currIntervalTime + 'x'), 10000, '/');
        }else{
            startTime = getBtsTime;
        }
    }else{
        if (btsVal == '-'){
            cookieUtil.setCookie('b_t_s','t' + currIntervalTime + 'x', 10000, '/');    
        }else{
            cookieUtil.setCookie('b_t_s',btsVal + 't' + currIntervalTime + 'x', 10000, '/');        
        }
        startTime = currIntervalTime;
    }
    document.write('<script src="' + domainHead + '127.0.0.1/up_beacon.js?' + startTime + '"><\/script>');//安装采集脚本
})(window,document);

下面是测试页面;

第一个测试页面：testbeacon.html，代码如下：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>beacon test page</title>
</head>
<script type="text/javascript" src="install_up_beacon.js"></script>
<body>
<h1>日志测试</h1>
<input type="button" value="Click Button" id="clickBtn" name="clickBtn" οnclick="clickLog('testClickBtn','MyTest')"/>
</body>
</html>
<script type="text/javascript">
// 用户行为统计代码
function recordStaticLogerr(authId,type,msg){
    if (window.upLogger){
        upLogger.authId = authId;
        upLogger.clickLog('type=' + type + '&clickTarget=' + msg);    
    }
}

// 记录click日志的方法
function clickLog(clog_msg,clog_type){
    var clog_authId    = 'sharpxiajun';
    recordStaticLogerr(clog_authId,clog_type,clog_msg);    
}
</script>

第二个测试页面：parent.html，代码如下：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>parent html</title>
</head>

<body>
<a href="testbeacon.html" target="_self">child.html</a>
</body>
</html>

1.5 测试结果

测试地址：

http://localhost/testbeacon.html

http://localhost/parent.html

我们查看cookies信息，如下图：

日志信息如下：

127.0.0.1 - - [26/Jun/2012:10:01:52 +0800] [2012-06-26 10:01:52] "GET /parent.html HTTP/1.1" [] [/parent.html] 304 -
127.0.0.1 - - [26/Jun/2012:10:01:54 +0800] [2012-06-26 10:01:54] "GET /testbeacon.html HTTP/1.1" [] [/testbeacon.html] 304 -
127.0.0.1 - - [26/Jun/2012:10:01:54 +0800] [2012-06-26 10:01:54] "GET /install_up_beacon.js HTTP/1.1" [] [/install_up_beacon.js] 304 -
127.0.0.1 - - [26/Jun/2012:10:01:54 +0800] [2012-06-26 10:01:54] "GET /up_beacon.js?140675524644 HTTP/1.1" [?140675524644] [/up_beacon.js] 304 -
127.0.0.1 - - [26/Jun/2012:10:01:54 +0800] [2012-06-26 10:01:54] "GET /a.gif?logUrl={/localhost/testbeacon.html}&logHisRefer={http://localhost/parent.html}&logParams={subIsNew=0}&logQuery={pageId=1340676114790-42900296489937289847295051780050&title=beacon%20test%20page&charset=UTF-8&sr=1280*1024}&ver=140675524644&time=1340676114791 HTTP/1.1" [?logUrl={/localhost/testbeacon.html}&logHisRefer={http://localhost/parent.html}&logParams={subIsNew=0}&logQuery={pageId=1340676114790-42900296489937289847295051780050&title=beacon%20test%20page&charset=UTF-8&sr=1280*1024}&ver=140675524644&time=1340676114791] [/a.gif] 200 43
127.0.0.1 - - [26/Jun/2012:10:02:01 +0800] [2012-06-26 10:02:01] "GET /click.html?type=MyTest&clickTarget=testClickBtn&pageId=1340676114790-42900296489937289847295051780050&authId=sharpxiajun&ver=140675524644&time=1340676121252 HTTP/1.1" [?type=MyTest&clickTarget=testClickBtn&pageId=1340676114790-42900296489937289847295051780050&authId=sharpxiajun&ver=140675524644&time=1340676121252] [/click.html] 200 310

大家看到了吧，请求都被记录下来，下面我们只要好好分析这些日志文件的信息就行了。