阿里云日志服务SLS采集-通过WebTracking采集日志-云淘科技

背景信息

当发送重要邮件时为了确认对方已读，都会在邮件中设置读取回执标签，可以在对方已读时收到提醒信息。读取回执这种模式用途很广，例如。

• 发送传单时，确保对方已读。

• 推广网页时，多少用户做了点击。

• 移动App运营活动页面，分析用户访问情况。

对这类个性化的采集与统计，针对网站与站长的传统方案都无法胜任，主要难点在于。

• 个性化需求难满足：用户产生行为并非移动端场景，其中会包括一些运营个性化需求字段，例如：来源、渠道、环境、行为等参数。

• 开发难度大/成本高：为完成一次数据采集、分析需求，首先需要购买云主机、公网IP、开发数据接收服务器、消息中间件等，并且通过互备保障服务高可用。接下来需要开发服务端并进行测试。

• 使用不易：数据达到服务端后，还需要工程师先清洗结果并导入数据库，生成运营需要的数据。

• 无法弹性：无法预估用户的使用量，因此需要预留很大的资源池。

从以上几点看，当一个面向内容投放的运营需求来了后，如何能以快捷的手段满足这类用户行为采集、分析需求是一个很大的挑战。

日志服务提供Web Tracking、JS、Tracking Pixel SDK用于解决以上轻量级埋点采集场景，可以在1分钟时间内完成埋点和数据上报工作。

功能特点

这里引入采集+分析方案基于阿里云日志服务，该服务是针对日志类数据的一站式服务，无需开发就能快捷完成海量日志数据的采集、消费、投递以及查询分析等功能，提升运维、运营效率。服务功能包括。

• LogHub：实时采集与消费。与Blink、Flink、Spark Streaming、Storm、Kepler等打通。

• 数据投递：LogShipper。与MaxCompute、E-MapReduce、OSS、Function Compute等打通。

• 查询与实时分析：LogSearch/Analytics。与DataV、Grafana、Zipkin、Tableau等打通。

采集端优势

日志服务提供30+种数据采集方式，针对服务器、移动端、嵌入式设备及各种开发语言都提供完整的解决方案。

• Logtail：针对X86服务器设计Agent。

• Android/iOS：针对移动端SDK。

• Producer Library：面向受限CPU/内存、智能设备。

本文档中介绍的轻量级采集方案（Web Tracking）只需一个HTTP Get请求即可将数据传输至日志服务Logstore端，适应各种无需任何验证的静态网页、广告投放、宣传资料和移动端数据采集。相比其他日志采集方案，特点如下。

Web Tracking接入流程

Web Tracking（也叫Tracking Pixel）术语来自于HTML语法中的图片标签，即您可以在页面上嵌入一个0 Pixel图片，该图片默认对用户不可见，当访问该页面显示加载图片时，会顺带发起一个Get请求到服务端，这个时候就会把参数传给服务端。具体操作，请参见使用Web Tracking采集日志。

应用场景

当您有一个新内容时（例如新功能、新活动、新游戏、新文章），作为运营人员总是迫不及待地希望能尽快传达到用户，因为这是获取用户的第一步、也是最重要的一步。

以游戏发行为例，市场很大一笔费用进行游戏推广，例如投放了1W次广告。广告成功加载的有2000人次，约占20%。其中点击的有800人次，最终下载并注册账号试玩的往往少之又少。

可见，能够准确、实时地获得内容推广有效性对于业务非常重要。为了达到整体推广目标，运营人员往往会挑选各个渠道来进行推广。

• 用户站内信（Mail）、官网博客（Blog）、首页文案（Banner等）。

• 短信、用户Email、传单等。

• 新浪微博、钉钉用户群、微信公众账号、知乎论坛、今日头条等新媒体。

操作步骤

1. 开启Web Tracking功能。

   在日志服务中创建一个Logstore（例如叫：myclick），并开启WebTracking功能。

2. 生成Web Tracking标签。

   1. 为需要宣传的文档（article=1001）面对每个宣传渠道增加一个标识，并生成Web Tracking标签（以Img标签为例）。

      • 站内信渠道（mailDec）。

      • 官网渠道（aliyunDoc）。

      • 用户邮箱渠道（email）。

      其他更多渠道可以在from参数后加上，也可以在URL中加入更多需要采集的参数。

   2. 将img标签放置在宣传内容中，并进行发布。

3. 分析日志。

   在完成埋点采集后，您可以使用日志服务LogSearch/Analytics功能对海量日志数据进行实时查询与分析。在结果分析可视化上，除自带Dashboard外，还支持DataV、Grafana、Tableau等对接方式。

   以下是截止目前采集日志数据，您可以在搜索框中输入关键词进行查询。

   也可以在查询后输入SQL进行秒级的实时分析并可视化。

   1. 设计查询语句。

      以下是对用户点击、阅读日志进行实时分析的语句，更多字段和分析场景可以参见分析语法。

      • 当前投放总流量与阅读数。

        * | select count(1) as c

      • 每个小时阅读量的曲线。

        * | select count(1) as c, date_trunc('hour',from_unixtime(__time__)) as time group by time order by time desc limit 100000

      • 每种渠道阅读量的比例。

        * | select count(1) as c, f group by f desc

      • 阅读量来自哪些设备。

        * | select count_if(ua like '%Mac%')  as mac, count_if(ua like '%Windows%')  as win, count_if(ua like '%iPhone%')  as ios, count_if(ua like '%Android%')  as android

      • 阅读量来自哪些省市。

        * | select ip_to_province(__source__) as province, count(1) as c group by province order by c desc limit 100

   2. 将这些实时数据配置到一个实时刷新Dashboard中。