把 Nginx access_log 接入 Google Analytics 的方法和几个问题
eason1874 · 2020-03-05 21:59:09 +08:00 · 1912 次点击这是一个创建于 1759 天前的主题，其中的信息可能已经有所发展或是发生改变。
由于不想安装日志分析软件，所以我就想自己弄个 access_log 分析，经过一段时间折腾，发现要做个与第三方统计平台相当的分析系统的工作量还是挺大的。然后我就放弃自建了，计划把数据接入统计平台。
说到统计平台，百度统计在功能上足以满足我，而且实时性高，但百度统计没有 HTTP API 给提交自定义数据，遂放弃。后选择 Google Analytics，虽实时性不如百度，但有 Measurement Protocol 接口，功能更丰富。
我服务器软件是 Nginx + ngx_lua ，找了一下，目前网上还没有比较靠谱的接入教程，都是通过 post_action 或者 mirror 实现数据提交，缺点较多，比如受 location 段影响 ，比如不能获取到 ngx_lua 处理后的 headers 等。
所以我研究并用了个新方法，这里分享给各小站长作为参考。
我的方法
1、通过 lua_shared_dict 设置一个内存空间。
2、在 Nginx http 加一段 log_by_lua 代码，内容是把 Analytics 需要的字段包装好和一个时间戳通过 ngx.shared.DICT.rpush 存到内存数组最后。
3、在 Nginx http 加一段 init_worker_by_lua 代码，内容是通过 ngx.timer.every 创建一个每秒执行一次的定时任务，回调函数内容是通过 ngx.shared.DICT.lpop 在内存数组里取出最前面的数据，循环取出 20 条，每条都通过时间戳计算出距离当前秒数，作为 qt 参数附加到提交内容里，然后通过 resty.http 提交 Analytics 接口。
特点
数据字段是在 log_by_lua 阶段生成的，不受 location 匹配的影响，不需要动具体的 server 配置。而且几乎可以取到所有数据用来提交，比如可能被 lua filter 改变的 http status，request_time，bytes_sent 等。注：非 HTTP GET 请求也有 log 阶段，所以处理代码需要判断 ngx.var.request_uri 是否 nil 和 ngx.var.request_method 是否 GET。
提交数据先通过 lua_shared_dict 存到内存再异步读出来提交，可以实现一次提交多条，比每一个请求都提交一次的做法节省资源。注：定期提交造成的时间差通过 qt 参数修正，Analytics 允许最大 4 个小时的修正。
数据生成时把 ngx.var.host 用作 dh 域名参数，把 ngx.var.sent_http_content_type、ngx.var.status 等用作 cd 维度参数，可以在 Analytics 依据这些内容创建不同数据视图，比如特定域名、特定文件类型、特定服务器、特定 HTTP 状态的数据视图，如果不过滤那就是所有服务器所有请求的总数据视图。
我的问题
Analytics 数据量限制说标准帐号每天发送会话限制 20 万，超过了延迟处理或不处理，但一个会话可以有多个匹配。浏览器的 analytics.js 怎么计算会话我知道，一个浏览器打开就是一个会话，期间用户导致发送的每一条命中数据就是匹配。
那么通过 Measurement Protocol 发送数据该怎么计算会话呢？是按数据里的客户端 cid，用户 uid，IP 替换 uip ？抑或就是请求接口的本地 IP 地址？
像 http_status、content_type、bytes_sent 这三个大家会放到维度还是指标呢？我目前的选择是前两个放到维度，bytes_sent 放到指标。
另外我这个方法有没有什么问题呢？或者大家有没有什么建议？
请大家指出、建议，集思广益，也算是丰富网络资料，方便以后需要的小站长参考。
 |
1
cydian 2020-03-06 07:07:25 +08:00  1
发现要做个与第三方统计平台相当的分析系统的工作量还是挺大的？？？
Matomo 开源统计程序欢迎你。PHP Yes ！ |
Select Language