【数据采集】-目前比较流行的几种数据采集方式

总的来说目前互联网常用的数据采集分为APP采集和web端采集

对于APP采集最常用的方式就是通过集成SDK，进行埋点采集
对于这种方式，目前分为有无埋点采集，可视化埋点采集，手工埋点采集大类
分别针对于：日志的全量收集，日志的可编辑收集，和自定义埋点收集

对于web目前比常见的可以参考：

Tony_老七 总结的文章

在这里需要细分一下目前用户访问的平台，根据目前以及短期内技术发展，可以分为三种APP|PC|WAP,其中PC/WAP可以算一种，都是传统web交互方式，APP(说的是Native APP,iOS、Android etc)PC/WEB上实现一般有三种：
1.web service记录2.js嵌入收集3.包嗅探器

	Web日志	JavaScript标记	包嗅探器
优点	・比较容易获取数据源 ・方便对历史数据再处理 ・可以记录搜索引擎爬虫的访问记录 ・记录文件下载状况	・数据收集灵活，可定制性强 ・可以记录缓存、代理服务器访问 ・对访问者行动追踪更为准确	・对跨域访问的监测比较方便 ・取得实时数据比较方便
缺点	・无法记录缓存、代理服务器访问 ・无法捕获自定义的业务信息 ・对访问者的定位过于模糊 ・对跨域访问的监测比较麻烦	・用户端的JS设置会影响数据收集 ・记录下载和重定向数据比较困难 ・会增加网站的JS脚本负荷	・初期导入费用较高 ・无法记录缓存、代理服务器访问 ・对用户数据隐私有安全隐患

目前第二种是最流行的收集方式。通过使用JS收集客户端的cookie信息，浏览器等，发送到后台一组服务器,找了几个网站查看他们的收集数据，请求格式譬如：[html] view plain copy唯品会:   http://mar.vip.com/p?mars_br_pos=&mars_cid=1398657717000_d430514ae3ce8aab29178c11eba5dcb1&mars_sid=b01fc069abdd38df7bd359d6429184f4&pi=0&mars_vid=BD55BF35DADC6722D8D2B29B5C4054A3&lvm_id=83619272008072580001401328910640&mars_var=-&lg=0&wh=VIP_SH&in=0&sn=&url=http://www.vip.com/&sr=1366*768&rf=&bw=1286&bh=150&sc=24&bv=mozilla/5.0 (windows nt 6.3; wow64) applewebkit/537.36 (khtml, like gecko) chrome/40.0.2214.93 safari/537.36&ce=1&vs=&title=唯品会（原Vipshop.com）特卖会：一家专门做特卖的网站_确保正品_确保低价_货到付款&tab_page_id=1423478314979_0c4c3141-f350-79ec-2e58-1b5bafda3332&vip_qe=undefined&vip_qt=undefined&vip_xe=&vip_xt=&r=0.03680062713101506   当当：   http://click.dangdang.com/page_tracker.php?m_id=&o_id=®ion_ids=&out_refer=null&refer_url=&url=http://www.dangdang.com/&to_url=&type=1&visit_count=27&is_first_pv=0&ctr_type=&perm_id=20140430171404681303078869337380126&res=1366,768||1286,1518&r=0.9703021887689829&title=当当—网上购物中心：图书、母婴、美妆、家居、数码、家电、服装、鞋包等，正品低价，货到付款&trace_id=0.70&special=market=location:6;&cif=&rsv1=&rsv2=&rsv3=&rsv4=xxx   淘宝：   http://ac.mmstat.com/1.gif?uid=802662066&apply=vote&abbucket=_AB-M65_B6&com=02&acm=tt-1097039-36356.1.1003&cod=tt-1097039-36356&cache=1874351609&aldid=72SdnsDn&logtype=4&abtest=_AB-LR65-PR65&scm=1003.1.tt-1097039-36356&ip=210.13.117.180     
在服务器端如Nginx，进行query的parse配置，最后将数据以log方式存储。