CN111726402A - 用户行为数据处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种用户行为数据处理方法、装置、电子设备及存储介质，涉及大数据处理技术领域，可用于云平台或云服务。具体实现方案为：根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。本申请能够限制当前用户行为数据量的总数，从而实现降低服务器压力的目的。

Description

用户行为数据处理方法、装置、电子设备及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及大数据处理技术领域，具体涉及一种用户行为数据处理方法、装置、电子设备及存储介质。

背景技术

在互联网中，用户可以通过浏览器访问网页、访问应用程序或小程序等方式访问业务方，在用户访问过程中发生的事件一般记录于日志中。数据统计服务用户对日志进行过滤，记录和分析等处理。

在数据统计服务中，通常会收集全量用户行为数据进行后续的处理。因此，数据量的多少会影响后续数据处理的过程。

发明内容

本公开提供了一种用于用户行为数据处理方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种用户行为数据处理方法，由客户端执行，所述方法包括：

根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；

根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

根据本公开的另一方面，提供了一种用户行为数据处理方法，由服务端执行，所述方法包括：

获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定；

对所述当前用户行为数据进行处理。

根据本公开的第三方面，提供了一种用户行为数据处理装置，配置于客户端，所述装置包括：

当前采样率确定模块，用于根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；

当前用户行为数据发送模块，用于根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

根据本公开的第四方面，提供了一种用户行为数据处理装置，配置于服务端，所述装置包括：

当前用户行为数据获取模块，用于获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定；

当前用户行为数据处理模块，用于对所述当前用户行为数据进行处理。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任一项所述的用户行为数据处理方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开中任一项所述的用户行为数据处理方法。

根据本申请的技术能够降低服务器的压力。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图；

图2是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图；

图3是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图；

图4是根据本申请实施例提供一种用户行为数据处理装置的结构示意图；

图5是根据本申请实施例提供一种用户行为数据处理装置的结构示意图；

图6是用来实现本申请实施例的一种用户行为数据处理的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图。本实施例可适用于在数据统计服务中由于数据量过大而导致的服务器压力增大的情况。本实施例公开的用户行为数据处理方法可以由电子设备执行，该方法由客户端执行。具体的，可以由用户行为数据处理装置来执行，该装置可以由软件和/或硬件的方式实现，配置于客户端中。参见图1，本实施例提供的用户行为数据处理方法包括：

S110、根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率。

本实施例中，客户端是指用户访问业务方的用户终端，服务端是指业务方的数据统计方，可以为业务方自身服务，也可以为第三方数据统计服务。具体的，客户端可以是智能手机、平板或者任意可以生成用户行为数据的终端设备。客户端可以包括浏览器、APP(Application，应用)以及小程序等多种类型，即用户与访问方式结合以区分客户端，即使同一用户通过不同访问方式访问计为不同客户端。当前用户行为数据量是指业务方的所有用户在当前周期内使用终端设备访问业务方产生的用户行为数据的总数量，可以通过根据业务方的历史行为数据预估得到。其中，用户行为包括用户在使用终端设备所登录APP的名称、所使用APP的时长、用户在客户端的使用偏好以及用户在客户端操作的控件等，本申请不作具体限定。

服务端支持处理的数据总量是指服务器在单个时间周期内能够同时处理的数据量，可以为预设数值，例如可以根据业务方类型或根据服务端向业务方收取的费用确定支撑的数据总量。当前采样率是指客户端获取用户行为数据量的频率或方式。

一般业务方的当前用户行为数据量远大于服务端支持处理的数据总量，通过客户端根据服务端支持处理的数据总量和预测得到的当前用户行为数据量，确定客户端的采样率，一方面能够确定兼顾客户端和服务器处理压力的采样率，另一方面客户端自身确定采样率，无需与服务端交互，提高了采样率的确定效率。需要说明的是，如果业务方的当前用户行为数据量小于或等于服务端支持处理的数据总量，则采样率置为1。

S120、根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

本实施例中，采用客户端的当前采样率从客户端采集当前用户行为数据，并将所采集到的当前用户行为数据发送至服务端，服务端在收到上述当前用户行为数据后对收到的数据进行处理，具体的，可以是按照不同用户的ID(标识)进行分类，也可以是按照不同的时长进行统计，还可以是对使用特定APP的时段进行统计。

本申请实施例的技术方案，通过客户端预估自身的当前用户行为数据量，并且结合服务端支持处理的数据总量，确定客户端的当前采样率；并按照客户端的当前采样率采集当前用户行为数据，并发送至服务端，以使服务端对当前用户行为数据进行处理。采用上述方法通过客户端采样能够降低服务端的压力。

图2是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的用户行为数据处理方法包括：

S210、确定服务端支持处理的数据总量与客户端预估得到的当前用户行为数据量之间的比值。

本实施例中，将服务端支持处理的数据总量记为N，将客户端预估得到的当前用户行为数据量记为M，则确定N与M的比值为：N/M。

可选的，根据所述客户端的当前状态，以及所述客户端在候选状态下产生的候选用户行为数据量，确定所述当前用户行为数据量；其中，所述候选用户行为数据量预先根据所述客户端的历史行为数据确定。

本实施例中，预先确定候选状态，并且根据客户端的历史行为数据确定在候选状态下所有客户端的候选用户行为数据量。可选的，所述候选状态包括如下至少一项：工作日状态和节假日状态。若当前状态为任一候选状态，则将该候选状态关联的候选用户行为数据量作为当前用户行为数据量。需要说明的是，若当前状态与各候选状态均不匹配，则可以将所有客户端的平均用户行为数据量作为当前用户行为数据量。这样设置的好处是由于客户端的不同状态所对应的当前用户行为数据量不同，则优先判断客户端的不同状态，进而能够提升当前用户行为数据量的准确率。

S220、根据所述比值与预设的放大比例值之间乘积，确定所述客户端的当前采样率。

本实施例中，预设的放大比例值是一个具体的数值，示例性的，放大比例值可以大于1且与1之间差值小于阈值，例如放大比例值可以为1.1，则客户端的当前采样率为N/M×1.1。这样设置的好处是能够避免客户端预估得到的当前用户行为数据量的值太小而导致发送至服务端的数据总量未达到N，即浪费服务端的处理能力。

S230、根据所述当前采样率，调整所述客户端的埋点采样配置信息。

本实施例中，埋点采样是是数据采集的关键一步，数据采集方式分为可视化/全埋点、代码埋点和导入辅助工具三类。其中，可视化/全埋点是在页面上嵌入SDK(SoftwareDevelopment Kit，软件开发工具包)，就可以采集页面上所有的点击行为，并可以绘制出用户点击的热力图，这种方式对于一些探索式的调研还是非常有用的。还可以是将APP的用户行为尽可能地全面采集，然后通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”的数据采集。使用这种方案，必须在产品中嵌入SDK，等于做了一个统一的埋点，因此“无埋点”的叫法实际上是“全埋点”的代名词。代码埋点又分为前端代码埋点和后端代码埋点。前端代码埋点类似于全埋点，都是在前端嵌入SDK的方式，所不同的是，对于每一个关键行为，都需要调用SDK代码，将必要的事件名、属性字段等写入代码，然后发送到服务端。后端代码埋点则将相关的事件、属性等通过后端模块调用SDK的方式，发送到服务端。这种方式相比全埋点来说，更适合精细化分析的场景。我们可以将各种细粒度的数据采集下来，方便做后续的深度分析需求。其中后端代码埋点，相比前端代码埋点，具有更高的数据可靠性，并且可以实现一处埋点，不用从各个APP、Web端进行埋点操作。还可以使用导入辅助工具，具体实现过程如下：为了减少系统耦合性，采用日志、数据库的方式生成数据，然后对数据进行转换，通过实时或批量工具完成数据导入。对于离线数据，比如线下人员和客户沟通情况等，可以通过导入工具完成数据采集。

S240、根据所述埋点采样配置信息，采集当前用户行为数据。

本实施例中，若按照不同客户端采集当前用户行为数据，则若不同的客户端是以浏览器进行区分的，则埋点采样配置信息是在浏览器网页中以cookie(浏览器缓存)进行标记，若不同的客户端是以APP进行区分的，则埋点采样配置信息是在APP中以imei/mac/adid等方式标记区分的。根据埋点采样配置信息，使得客户端能够按照当前采样率获取客户端的当前用户行为数据，这样设置的好处是能够实时按照采样率的值采集当前用户行为数据。

S250、向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

本申请实施例的技术方案，提出了确定服务端支持处理的数据总量与客户端预估得到的当前用户行为数据量之间的比值，将比值与预设的放大比例值之间乘积，作为客户端的当前采样率，根据当前采样率，调整客户端的埋点采样配置信息，并根据埋点采样配置信息，采集当前用户行为数据。本实施例中，能够通过设置预设的放大比例值，能够避免客户端预估得到的当前用户行为数据量的值太小而导致发送至服务端的数据总量未达到服务器能够处理的数值。

图3是根据本申请实施例提供的一种用户行为数据处理方法的流程示意图。本实施例可适用于在数据统计服务中由于数据量过大而导致的服务器压力增大的情况。本实施例公开的用户行为数据处理方法可以由电子设备执行，该方法可以由服务端执行。具体的，可以由用户行为数据处理装置来执行，该装置可以由软件和/或硬件的方式实现，配置于服务端中。参见图3，本实施例提供的用户行为数据处理方法包括：

S310、获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定。

S320、对所述当前用户行为数据进行处理。

具体的，可以按照不同用户的ID进行分类，也可以是按照不同的时长进行统计，还可以是对使用特定APP的时段进行统计。

在一种可选实施方式中，对所述当前用户行为数据进行处理，包括：

按照用户粒度对接收的当前用户行为数据进行删减；

对删减后的剩余数据进行处理，并写入处理结果。

本实施例中，用户粒度是指对客户端数据做统一处理，即如果客户端的部分行为数据需要删除，则客户端在当前周期的所有行为数据均删除。通过按照用户粒度对用户行为数据做统一处理，使得剩余的用户行为数据在用户粒度上的完整性，避免根据用户的部分行为数据进行日志分析得到错误的分析结果。

可选的，所述按照用户粒度对接收的当前用户行为数据进行删减，包括：根据接收的当前用户行为数据关联的客户端数量，以及预设的放大比例值，确定待删减客户端数量；根据所述待删减客户端数量，并发对接收的当前用户行为数据进行删减。

本实施例中，根据接收到的当前用户行为数据，则可以根据上述当前用户行为数据中所携带的客户端的ID，确定相关联的客户端，并统计上述客户端的数量。若此时，客户端的数量大于经过预设放大比例值确定的客户端的数量，则将多余的客户端数量进行删除，并将删除客户端中的当前用户行为数据也相应删除。这样设置的好处是通过客户端和服务端协同作用，通过客户端采样与服务端过滤配合，能够有效地降低客户端传输至服务端的数据数量，减轻服务端数据过多的压力。

需要说明的是，在基于用户粒度过滤客户端的用户行为数据过程中，检测剩余的行为数据总量是否小于服务端支持处理的数据总量，若小于则可停止删除操作；若大于，则继续删除其他客户端的用户行为数据。

本申请实施例的技术方案，提出了获取客户端根据当前采样率采集的当前用户行为数据，并按照用户粒度对接收的当前用户行为数据进行删减，通过客户端设置的采样率限制当前用户行为数据，以及通过服务端设置用户粒度进行删减当前用户行为数据，能够有效地降低客户端传输至服务端的当前用户行为数据的数量，减轻服务端当前用户行为数据过多的压力。

图4是根据本申请实施例提供一种用户行为数据处理装置的结构示意图。参见图4，本申请实施例公开了一种用户行为数据处理装置400，配置于客户端，该装置400包括：

当前采样率确定模块401，用于根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；

当前用户行为数据发送模块402，用于根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

当前用户行为数据量确定模块403，用于根据所述客户端的当前状态，以及所述客户端在候选状态下产生的候选用户行为数据量，确定所述当前用户行为数据量；其中，所述候选用户行为数据量预先根据所述客户端的历史行为数据确定。

可选的，其中，所述候选状态包括如下至少一项：工作日状态和节假日状态。

所述当前采样率确定模块401，包括：

比值确定子模块4011，用于确定所述服务端支持处理的数据总量与所述客户端预估得到的当前用户行为数据量之间的比值；

当前采样率确定子模块4012，用于根据所述比值与预设的放大比例值之间乘积，确定所述客户端的当前采样率。

可选的，其中，所述当前用户行为数据发送模块402，包括：

埋点采样配置信息调整子模块4021，用于根据所述当前采样率，调整所述客户端的埋点采样配置信息；

当前用户行为数据采集子模块4022，用于根据所述埋点采样配置信息，采集当前用户行为数据。

本申请实施例的技术方案，提出了预估客户端的当前用户行为数据量以及结合服务端支持处理的数据总量，确定客户端的当前采样率；并按照客户端的当前采样率采集当前用户行为数据，并发送至服务端，以使服务端对当前用户行为数据进行处理。本申请能够限制当前用户行为数据量的总数，从而实现降低服务器压力的目的。

图5是根据本申请实施例提供一种用户行为数据处理装置的结构示意图。参见图5，本申请实施例公开了一种用户行为数据处理装置500，配置于服务端，该装置500包括：

当前用户行为数据获取模块501，用于获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定；

当前用户行为数据处理模块502，用于对所述当前用户行为数据进行处理。

所述当前用户行为数据处理模块502，包括：

当前用户行为数据删减子模块5021，用于按照用户粒度对接收的当前用户行为数据进行删减；

处理结果写入子模块5022，用于对删减后的剩余数据进行处理，并写入处理结果。

所述当前用户行为数据删减子模块5021，包括：

待删减客户端数量确定单元50211，用于根据接收的当前用户行为数据关联的客户端数量，以及预设的放大比例值，确定待删减客户端数量；

当前用户行为数据删减单元50212，用于根据所述待删减客户端数量，并发对接收的当前用户行为数据进行删减。

本申请实施例的技术方案，提出了预估客户端的当前用户行为数据量以及结合服务端支持处理的数据总量，确定客户端的当前采样率；并按照客户端的当前采样率采集当前用户行为数据，并发送至服务端，以使服务端对当前用户行为数据进行处理。本申请能够限制当前用户行为数据量的总数，从而实现降低服务器压力的目的。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的一种用户行为数据处理的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的一种用户行为数据处理的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的一种用户行为数据处理的方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的一种用户行为数据处理的方法对应的程序指令/模块(例如，附图4所示的当前采样率确定模块401、当前用户行为数据发送模块402和当前用户行为数据量确定模块403，或者如附图5所示的当前用户行为数据获取模块501和当前用户行为数据处理模块502)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的一种用户行为数据处理的方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种用户行为数据处理的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至一种用户行为数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一种用户行为数据处理的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与一种用户行为数据处理的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

本申请实施例的技术方案，提出了预估客户端的当前用户行为数据量以及结合服务端支持处理的数据总量，确定客户端的当前采样率；并按照客户端的当前采样率采集当前用户行为数据，并发送至服务端，以使服务端对当前用户行为数据进行处理。本申请能够限制当前用户行为数据量的总数，从而实现降低服务器压力的目的。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种用户行为数据处理方法，所述方法包括：

根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；

根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

2.根据权利要求1所述的方法，所述方法还包括：

根据所述客户端的当前状态，以及所述客户端在候选状态下产生的候选用户行为数据量，确定所述当前用户行为数据量；其中，所述候选用户行为数据量预先根据所述客户端的历史行为数据确定。

3.根据权利要求2所述的方法，其中，所述候选状态包括如下至少一项：工作日状态和节假日状态。

4.根据权利要求1所述的方法，其中，所述根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率，包括：

确定所述服务端支持处理的数据总量与所述客户端预估得到的当前用户行为数据量之间的比值；

根据所述比值与预设的放大比例值之间乘积，确定所述客户端的当前采样率。

5.根据权利要求1所述的方法，其中，所述根据所述当前采样率采集当前用户行为数据，包括：

根据所述当前采样率，调整所述客户端的埋点采样配置信息；

根据所述埋点采样配置信息，采集当前用户行为数据。

6.一种用户行为数据处理方法，所述方法包括：

获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定；

对所述当前用户行为数据进行处理。

7.根据权利要求6所述的方法，其中，所述对所述当前用户行为数据进行处理，包括：

按照用户粒度对接收的当前用户行为数据进行删减；

对删减后的剩余数据进行处理，并写入处理结果。

8.根据权利要求7所述的方法，其中，所述按照用户粒度对接收的当前用户行为数据进行删减，包括：

根据接收的当前用户行为数据关联的客户端数量，以及预设的放大比例值，确定待删减客户端数量；

根据所述待删减客户端数量，并发对接收的当前用户行为数据进行删减。

9.一种用户行为数据处理装置，所述装置包括：

当前采样率确定模块，用于根据客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量，确定所述客户端的当前采样率；

当前用户行为数据发送模块，用于根据所述当前采样率采集当前用户行为数据，并向所述服务端发送采集的当前用户行为数据，使所述服务端对所述当前用户行为数据进行处理。

10.根据权利要求9所述的装置，所述装置还包括：

当前用户行为数据量确定模块，用于根据所述客户端的当前状态，以及所述客户端在候选状态下产生的候选用户行为数据量，确定所述当前用户行为数据量；其中，所述候选用户行为数据量预先根据所述客户端的历史行为数据确定。

11.根据权利要求10所述的装置，其中，所述候选状态包括如下至少一项：工作日状态和节假日状态。

12.根据权利要求9所述的装置，其中，所述当前采样率确定模块，包括：

比值确定子模块，用于确定所述服务端支持处理的数据总量与所述客户端预估得到的当前用户行为数据量之间的比值；

当前采样率确定子模块，用于根据所述比值与预设的放大比例值之间乘积，确定所述客户端的当前采样率。

13.根据权利要求9所述的装置，其中，所述当前用户行为数据发送模块，包括：

埋点采样配置信息调整子模块，用于根据所述当前采样率，调整所述客户端的埋点采样配置信息；

当前用户行为数据采集子模块，用于根据所述埋点采样配置信息，采集当前用户行为数据。

14.一种用户行为数据处理装置，所述装置包括：

当前用户行为数据获取模块，用于获取客户端根据当前采样率采集的当前用户行为数据，其中，所述当前采样率根据所述客户端预估得到的当前用户行为数据量和服务端支持处理的数据总量确定；

当前用户行为数据处理模块，用于对所述当前用户行为数据进行处理。

15.根据权利要求14所述的装置，其中，所述当前用户行为数据处理模块，包括：

当前用户行为数据删减子模块，用于按照用户粒度对接收的当前用户行为数据进行删减；

处理结果写入子模块，用于对删减后的剩余数据进行处理，并写入处理结果。

16.根据权利要求15所述的装置，其中，所述当前用户行为数据删减子模块，包括：

待删减客户端数量确定单元，用于根据接收的当前用户行为数据关联的客户端数量，以及预设的放大比例值，确定待删减客户端数量；

当前用户行为数据删减单元，用于根据所述待删减客户端数量，并发对接收的当前用户行为数据进行删减。

17.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5或者权利要求6-8中任一项所述的用户行为数据处理方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5或者权利要求6-8中任一项所述的用户行为数据处理方法。

Images