超群.com的博客

网站日志统计分析技术

本博客所有原创文章采用知识共享署名-非商业性使用-相同方式共享，转载请保留链接http://chaoqun.17348.com/2008/08/web_log_analytics/

前段时间，一直关注一个开源的统计系统http://www.piwik.org，有两个方面的原因，一是对统计非常有兴趣，二是这个项目构建在Zend Framework上，实在是学习ZF难得的一个样板，程序写的很优美，建议想学ZF的人可以阅读piwik源代码，好的，切入正题。

一般的网站统计系统我知道的有三种类型：

• 分析网站日子(Apache log)，代表的有
  AWStats：http://awstats.sourceforge.net/
  analog：http://www.analog.cx/
  Webalizer ：http://www.mrunix.net/webalizer/
  使用Apache log好处是高速、低开销(apache随着访问写log开销不大)，但是功能一般，比如不能记录客户端的的分辨率、色深、是否支持Java或者Flash等。
• 通过在网页中嵌入一个探针记录网站日志，piwik就是这样的典型，特点是快速、高开销(piwik是通过php直接往mysql中写记录)、功能强劲(可以记录客户端的详细信息)。
• 混合使用，代表是Google Analytics、缔元信，这些产品也是在网站中加入一个探针，然后发送一个类似http://www.google-analytics.com/__utm.gif?******的请求，其实是访问服务器上一个空白的图片文件，目的只有一个，记录http日志，这种方式的好处是集上面两种的好处：效率高、功能强。

探针的Javascript代码我们就不分析了，看一下Google Analytics最后发送的请求是什么样子的：

http://www.google-analytics.com/__utm.gif
?utmwv=4.1 //常量
&utmn=1048672819 //随机数，还记得我是怎样处理mootools ajax问题吗？
&utmhn=code.google.com //网站
&utmcs=UTF-8 //编码
&utmsr=1280×800 //分辨率
&utmsc=16-bit //色深
&utmul=zh-cn //语言
&utmje=1 //是否允许Java
&utmfl=9.0%20%20r115 //9.0 r115,Flash播放器版本
&utmdt=Google%20Code //Google Code,标题
&utmhid=594665987
&utmr=- //来源地址
&utmp=/ //目录
&utmac=UA-18071-1 //帐号
&utmcc=__utma%3D247248150.137016230.1209822741.1209822741.1209822741.1%3B%2B__utmz%3D247248150.1209822741.1.1.utmcsr%3D(direct)%7Cutmccn%3D(direct)%7Cutmcmd%3D(none)%3B // 一些加密字串

有兴趣的可以去读一下ga.js源码，入门的话看一下yahoo的统计源码，写的比较清晰，也没有作混淆。

Tags: analytics, log, web