查看原文
其他

有赞埋点实践

有赞技术 有赞coder 2021-02-08
文 | 王旭 on 大数据

一、前言

大数据应用一般会有采集、加工、存储、计算及可视化这几个环节。其中采集作为源头,在确保全面、准确、及时的前提下,最终加工出来的指标结果才是有价值的。
而埋点作为一种重要的采集手段,可以将用户行为信息转化为数据资产,为产品分析、业务决策、广告推荐等提供可靠的流量数据支持。
在业务需求少的情况下,可以运用一些简单的方法快速采集用户行为。但如果业务线、终端众多,数据需求多样,就需要设计好埋点模型和采集规范,工具化、平台化、流程化的管理来保证埋点的质量。

二、事件模型

首次需要思考的是,如何描述和记录用户的一次行为。这里我们使用的事件模型,即:
  • who 访客标识、设备指纹、登录ID
  • when 事件发生时间、上报时间
  • where 设备环境、网络环境、业务环境等
  • what 事件标识、事件参数
我们设计了可以承载以上信息的日志模型,并保持必要的可扩展性,将数据映射到schema的各个字段中,一次行为便完整的记录下来。

三、采集方式

数据模型设计好后,接下来要考虑的是如何将客户端内的用户行为数据采集到服务端,这里主要依赖于客户端提供的监听能力。
目前有赞支持两种采集方式:

3.1 无痕埋点(或全埋点)

利用浏览器或APP自带的监听方式,对用户的浏览页面、点击等行为进行收集,可以收集到的信息主要有:
  • 页面的url、APP的包名等
  • 点击元素的xpath路径、title或约定的dom元素
无痕埋点的优势有:
  • 前端接入成本低,不需要额外开发
  • 用户动作收集完整,不会漏失
但同时也会存在以下问题:
  • 有用、没用的数据都会收集
  • 无法采集到特殊的行为动作、业务参数
  • 采集到的信息需要进行二次标注,才可以被用户识别
  • 当按钮的位置不固定、名称存在重复或页面重构时,无法做到准确的标识
无痕埋点在有赞一般用来做粗粒度的快速业务探索。

3.2 代码埋点

代码埋点是指依赖前端同学,自定义监听和收集处理。代码埋点的优势有:
  • 事件标识明确
  • 业务参数丰富
  • 事件的触发方式可以灵活自定义
  • 分析更方便、精确
随之而来的是以下问题:
  • 前端代码的开发、管理成本
  • 只能收集到事件上线之后的数据
在业务需求复杂,无痕埋点收集到的信息无法支持分析时,就需要进行代码埋点。

四、埋点sdk

为简化前端同学的埋点开发工作,使其只需要关注于业务本身,并对埋点的一些约定进行必要的约束,有赞开发了多个端(js/小程序/android/ios/java)的埋点sdk。
sdk默认支持以下功能:
  • 访客标识管理
  • 会话管理
  • 环境参数默认收集
  • 参数的生命周期管理
  • 默认事件的收集
  • 跨端的sdk通信(如app嵌套h5页面)
  • 内部业务的特殊处理逻辑
  • 日志的格式化、合并、生命周期管理
  • 日志的上报机制
前端同学通过sdk提供的接口进行开发,只需要关注:
  • SDK的初始化配置
  • 事件怎么标识
  • 事件需要哪些参数
  • 事件如何触发

五、日志中间层

数据收集上来后,原始日志还处于非常精简的状态,需要进一步加工成日志中间层,主要有以下几个环节:
  • 批量上报的日志拆分
  • 日志模型的格式化处理
  • 信息的二次加工和维度扩展 如IP、http_agent的解析等
  • 异常流量的清洗
  • 会话信息的补充 如落地页、二跳页、停留时长的计算
  • 按业务拆分日志流和日志表
实时流中间层是以JSON格式存储在kafka中,并且提供对应的JavaBean类,方便实时任务开发解析处理,并且也可以与streamSql相结合使用。
离线中间层是存储在同一个表中,字段与实时流格式保持一致,以日期和业务作为分区条件,并会自动创建所有业务的视图表,方便中间层的统一调整以及数仓的权限管理。
到这个阶段,有了通用的日志模型和sdk,埋点工作可以标准化的开展起来。但随着承接的业务越来越多,更多的问题在等待着我们。

六、位置追踪规范

在精细化运营及算法推荐等应用场景下,需要非常精确掌握行为发生的位置场所。如果每个业务都自定义一套标识方式,那么每次分析工作都需要重新开发,无法复用逻辑,这将极大的浪费开发资源,因此需要制定出统一的位置规范。
我们将位置分成了四个粒度:
  • 业务
  • 页面域(包括页面类型和页面id)
  • 组件域(如图中红色部分,包括组件类型和组件序号)
  • 展位域(如图中绿色部分,包括展位标识和展位序号)
业务 + 页面域 + 组件域 + 展位域 + 页面随机码,可以唯一确定一个访问的位置。基于位置分解出来的维度组合,可以很方便的分析出各个粒度的访问、曝光、点击数据。
类似的还有算法追踪规范,在此不作展开。

七、埋点管理平台

有赞的早期阶段,所有业务的埋点方案都是记录在wiki中。随着业务线和项目的快速增加,wiki记录的弊端也逐渐暴露出来:
  • 登记格式无法统一,关键信息容易缺失
  • 事件查找不便,分析同学不知道已有哪些事件
  • 迭代更新事件无法合并,同时存在多份信息
  • 开发进度、测试进度无法监控
  • 埋点质量问题无法快速对接
基于开发中碰到的各类问题,愈发的让我们意识到平台建设的必要性,主要涉及以下几点能力:
  • 埋点元数据的管理及开放能力
  • 埋点流程的管理能力
当有了埋点元数据,可以延伸出来更多的操作空间,如:
  • 埋点的自动测试
  • 埋点的自助分析
  • 埋点的开发提示
  • 埋点的质量监控

7.1 埋点元数据管理

根据事件模型及位置追踪规范,我们将元数据的组成分为 业务页面组件展位事件
  • 业务:由业务类型(微商城、零售等)和SDK类型(js/小程序/android/ios/java)唯一确定。页面、组件、展位、事件等属于且仅属于一个业务。
  • 页面:具有相同页面结构的一类网页或者移动端页面。
  • 组件:页面内的区块,也包括跨页面的可复用区块。
  • 展位:组件内最细粒度的坑位,有三种位置标识,即递增(顺序排列)、固定(特定的位置)和正则标识(复杂布局)。
  • 事件:埋点基本单元,对应用户的一个动作,比如进入页面、点击按钮、商品曝光等,每个事件还可以定义独有的参数。按其归属,可以分为全局事件、页面事件和组件事件。

7.2 项目流程管理

当一个新项目启动时,会有对应的一批埋点需求,为了方便PM管理与追踪进度,以及日后的质量反馈,需要有项目级的管理功能来支持。
埋点项目可以涉及多个业务,由PM/前端/数据/BI/测试等共同参与,并跟踪从立项到评审、设计、开发、联调、上线等各个阶段。埋点项目组织了埋点需求相关的页面、组件、展位和事件。

7.3 埋点测试

上线前的埋点测试直接关系到数据质量,早期测试是使用抓包工具,每个事件肉眼判断,不仅效率低下,而且容易判断错误或遗漏。因此当元数据收集完成之后,为了解决以上问题,我们设计了埋点在线测试功能。
  1. 测试用户输入项目和用户标识,在线测试模块会将用户标识存储到redis中
  2.  校验任务消费实时日志,并定时同步埋点元数据和用户标识集合,以此校验日志并收集到埋点平台中
  3. 将收集到的实时日志返回给用户
  4. 项目已测试的事件进行汇总,生成概览数据
日志检测项
  • 日志格式是否标准
  • 通用业务参数是否收集完整
  • 业务、页面、组件、事件是否登记
  • 事件参数是否缺失,格式是否符合要求
检测等级分为Warning/Error级别,会有相应的错误信息。
测试结果
使用不同图标来标识检测状态,并且给出本轮测试的汇总数据。
项目测试概览
汇总项目中所有事件的测试状态,并给出失败事件的明细日志。
用户标识
为了方便测试同学快速找到自己的用户标识,平台提供了pc链接、手机扫码、手机号等快捷查找方式。

7.4 质量监控

测试的覆盖面不全,或者系统日常的开发迭代,都有可能会导致线上埋点的质量问题。早期常常会出现这样的场景:
开发同学误修改一段代码,导致线上埋点事件丢失,很长一段时间后,运营同学发现某个指标波动异常,逐层查询,最终定位问题,但这期间的数据已无法恢复。
为了避免这种情况一而再,再而三的发生,就需要对线上的流量日志实时监控起来,并且第一时间反馈到相关负责人。
详细内容将在下篇埋点分享中介绍

7.5 埋点分析

早期埋点上线后,分析同学会根据埋点元数据,通过写sql或代码的方式,处理实时流和离线表来查询出想要的指标。其中有不少数据需求都是比较通用的场景:
查询某个事件按一定维度pv/uv的指标或接口,分析多个行为的转化漏斗,某类渠道的归因分析
这部分可以通过通用分析模型自动处理,从而提升分析效率。
详细内容将在下篇埋点分享中介绍

八、埋点开发流程

早期埋点的设计与对接工作都是由数据组同学来支持,随着业务规模的不断扩大,已经逐渐成为开发的瓶颈。
依托于埋点平台提供出来的能力和工具,我们规范了埋点项目的开发流程,改由PM做为流程的负责人,协调各方资源,并把控各阶段的进度。
开发流程如上图:
  1. PM在PRD中明确数据需求,给出指标的定义、获取指标的方式等。
  2. PM确认开发资源及排期(前端、分析同学) 相关同学设计并在平台上登记埋点方案,设计完成后前端、分析同学对埋点方案进行评估 
  3. 前端同学根据埋点方案进行开发 
  4. 开发完成后,前端和PM对埋点进行测试,确保上线前所有事件均测试通过 
  5. 分析同学提前准确代码,埋点上线后第一时间产出相关指标 
  6. 若相关同学接收到埋点平台报警时,需要及时处理问题并反馈影响
通过流程和赋能,数据组可以节省出人力,投入到其它需要发挥数据价值的地方。
核心业务流程中的埋点仍由数据组介入管理,需要严格保证其质量。

九、埋点底层框架

日志流转主要环节如上图:
1、前端监控用户行为,收集并通过http请求上报 2、NIO高并发日志接收服务将日志转发到rsyslog服务器中,再通过logstash转发到kafka原始日志中 3、JAVA端埋点通过异步请求将日志上报到nsq中,再通过flume实时同步到kafka原始日志中 4、flink实时ETl任务将原始日志加工成标准中间层格式,并继续落地到kafka 5、kafka日志通过flume同步到hdfs,按小时切割文件 6、hdfs日志文件通过spark小时级任务转化成hive表

十、未来展望

目前埋点平台支撑了有赞微商城、零售、美业、精选、分销、有赞云、内部系统等十几条业务线,平均每月20+新项目的项目,在支持已有流量需求的同时,我们也在思考如何进一步提升开发效率和发挥数据价值:
  • 更加友好的平台引导,让不懂埋点的小白用户能快速上手
  • 前端开发效率提升,sdk与前端框架结合,可视化、配置化埋点
  • 降低sdk上报的丢失率
  • 全端的用户日志快捷查找,提升测试和排查问题效率
  • 更智能的质量管理,快速定位和解决埋点问题
  • 实时日志中间层与业务域的维度扩展
  • 无痕埋点的页面自动归类标识
  • 分析效率提升,与指标库打通,以及更易用的转化和归因模型来快速定位问题
  • 支持算法ABTest实验分析
最后打个广告,大数据团队持续招聘中,数仓、数据基础设施、数据产品多个坑位,欢迎加入我们,内推邮箱:wangxu1@youzan.com


扩展阅读
  1. 大数据开发平台(Data Platform)在有赞的最佳实践
  2. 有赞数据仓库元数据系统实践
  3. How we redesigned the NSQ - 其他特性及未来计划
  4. HBase 写吞吐场景资源消耗量化分析及优化
  5. 有赞大数据平台安全建设实践
  6. Flink 在有赞实时计算的实践
  7. SparkSQL 在有赞的实践
  8. Druid 在有赞的实践
  9. 实时计算在有赞的实践-效率提升之路
  10. DataX在有赞大数据平台的实践
  11. Flink 滑动窗口优化



-The End-
Vol.209







有赞技术团队为 442 万商家,150 个行业,330 亿电商交易额提供技术支持


微商城|零售|美业 | 教育


微信公众号:有赞coder    微博:@有赞技术技术博客:tech.youzan.com





The bigger the dream, the more important the team.

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存