CN116016628A - 一种api网关埋点分析方法及装置 - Google Patents
一种api网关埋点分析方法及装置 Download PDFInfo
- Publication number
- CN116016628A CN116016628A CN202211584926.0A CN202211584926A CN116016628A CN 116016628 A CN116016628 A CN 116016628A CN 202211584926 A CN202211584926 A CN 202211584926A CN 116016628 A CN116016628 A CN 116016628A
- Authority
- CN
- China
- Prior art keywords
- analysis
- user
- user behavior
- interface
- context information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 184
- 238000012545 processing Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000014759 maintenance of location Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 109
- 239000000306 component Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明涉及数字化项目用户行为分析技术领域，具体提供了一种API网关埋点分析方法及装置，包括：在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。本发明提供的技术方案实现了无代码侵入的用户行为分析方案，大大降低埋点成本与动态可配置埋点。
Description
技术领域
本发明涉及数字化项目用户行为分析技术领域，具体涉及一种API网关埋点分析方法及装置。
背景技术
UBA用户行为分析提供数据看板、事件分析、分布分析、漏斗分析、留存分析、属性分析、对比分析等多种产品分析功能，监控产品各类核心指标，获得业务洞察，提高用户活跃和留存，提高产品转化率，优化用户体验。智能运营旨在通过“数据”筛选不同群体的用户，进行多元渠道触达用户，再形成数据监测与分析，进而帮助运营部门提升用户活跃度与收入的数据运营工具。
用户行为分析目前主流的方案是通过代码引入SDK埋点方式，但是技术局限在SDK埋点代码开发少但是可收集分析指标有限，当有业务化的指标时便没有办法响应；通过代码方式埋点，需要耗费大量人力，但是收集指标无法动态调整。综合来看目前现有的两种方案都无法适合云原生化埋点云用户行为分析系统。
发明内容
为了克服上述缺陷，本发明提出了一种API网关埋点分析方法及装置。
第一方面，提供一种API网关埋点分析方法，所述API网关埋点分析方法包括：
在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
优选的，所述用户分析上下文信息包括下述中的至少一种：页面路径、上一页面路径、用户信息、操作时间。
优选的，所述在客户端的API接口对应的接口请求信息上添加用户分析上下文信息，包括：
采用HTTP接口拦截器技术在客户端的API接口对应的接口请求信息上添加用户分析上下文信息。
优选的，所述基于预设API接口白名单解析相应的API接口对应的接口请求信息，包括：
提取所述API接口对应的接口请求信息的相关参数；
将所述相关参数放在exchange的上下文中，通过用户行为过滤器从exchange提取所述用户分析上下文信息。
优选的，所述将所述用户分析上下文信息上传至用户行为数据库之前，包括：
通过用户行为数据组合器将所述用户分析上下文信息组合成用户行为对象；
通过消息上报组件将所述用户行为对象异步放在缓冲池中，并由异步线程读取所述缓冲池中的缓冲数据，将所述缓冲数据发送至用户行为数据消息引擎中；
通过用户行为数据消息引擎提供消息队列接收所述缓冲数据，并推送给流计算处理引擎；
通过流计算处理引擎对所述缓冲数据进行过滤和清洗后，融合用户行为标签数据库的接口标签后上传至用户行为数据库。
进一步的，所述消息上报组件为基于kafka的客户端。
进一步的，所述用户行为数据消息引擎为kafka消息引擎。
进一步的，所述流计算处理引擎为Flink实时流数据处理引擎。
优选的，所述用户行为数据库为ClickHouse实时时序数据库。
优选的，所述用户行为分析包括下述中的至少一种：KPI分析、漏斗分析、事件分析、留存分析、分布分析、归因分析、热图分析、事件流分析。
第二方面，提供一种API网关埋点分析装置，所述API网关埋点分析装置包括：
改造模块，用于在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
第一分析模块，用于基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
第二分析模块，用于在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
第三方面，提供一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现所述的API网关埋点分析方法。
第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现所述的API网关埋点分析方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明提供了一种API网关埋点分析方法及装置，包括：在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。本发明提供的技术方案具有如下有益效果：
1、本发明提供的技术方案主要针对原先需代码开发埋点的场景，实现了无代码侵入的用户行为分析方案，大大降低埋点成本与动态可配置埋点。在API层面配置分析与标签项，经过大数据处理形成用户行为结构化数据，并结合可视化平台呈现。
2、本发明提供的技术方案实现的埋点系统可作为云平台的一个核心组件，用户按需接入埋点，开箱即用用户行为分析，让产品需求建设的效果与价值更加容易分析；
3、本发明提供的技术方案基于的响应式数据上报，埋点系统数据处理吞吐量提升50％，并且增强了系统稳定性。
附图说明
图1是本发明实施例的API网关埋点分析方法的主要步骤流程示意图；
图2是本发明实施例的API网关埋点分析装置结构示意图；
图3是本发明实施例的应用场景示意图；
图4是本发明实施例的API网关埋点分析装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如背景技术中所公开的，UBA用户行为分析提供数据看板、事件分析、分布分析、漏斗分析、留存分析、属性分析、对比分析等多种产品分析功能，监控产品各类核心指标，获得业务洞察，提高用户活跃和留存，提高产品转化率，优化用户体验。智能运营旨在通过“数据”筛选不同群体的用户，进行多元渠道触达用户，再形成数据监测与分析，进而帮助运营部门提升用户活跃度与收入的数据运营工具。
用户行为分析目前主流的方案是通过代码引入SDK埋点方式，但是技术局限在SDK埋点代码开发少但是可收集分析指标有限，当有业务化的指标时便没有办法响应；通过代码方式埋点，需要耗费大量人力，但是收集指标无法动态调整。综合来看目前现有的两种方案都无法适合云原生化埋点云用户行为分析系统。
为了改善上述问题，本发明提供了一种API网关埋点分析方法及装置，包括：在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。本发明提供的技术方案具有如下有益效果：
1、本发明提供的技术方案主要针对原先需代码开发埋点的场景，实现了无代码侵入的用户行为分析方案，大大降低埋点成本与动态可配置埋点。在API层面配置分析与标签项，经过大数据处理形成用户行为结构化数据，并结合可视化平台呈现。
2、本发明提供的技术方案实现的埋点系统可作为云平台的一个核心组件，用户按需接入埋点，开箱即用用户行为分析，让产品需求建设的效果与价值更加容易分析；
3、本发明提供的技术方案基于的响应式数据上报，埋点系统数据处理吞吐量提升50％，并且增强了系统稳定性。
下面对上述方案进行详细阐述。
实施例1
参阅附图1，图1是本发明的一个实施例的API网关埋点分析方法的主要步骤流程示意图。如图1所示，本发明实施例中的API网关埋点分析方法主要包括以下步骤：
步骤S101：在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
步骤S102：基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
步骤S103：在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
其中，所述用户分析上下文信息包括下述中的至少一种：页面路径、上一页面路径、用户信息、操作时间。
例如，通过前端HTTP请求框架，如xhr、ajax、axios等框架可以进行全局层面将关键页面信息添加在HTTP请求的header部分。
本实施例中，所述在客户端的API接口对应的接口请求信息上添加用户分析上下文信息，包括：
采用HTTP接口拦截器技术在客户端的API接口对应的接口请求信息上添加用户分析上下文信息。
优选的，所述基于预设API接口白名单解析相应的API接口对应的接口请求信息，包括：
提取所述API接口对应的接口请求信息的相关参数；
将所述相关参数放在exchange的上下文中，通过用户行为过滤器从exchange提取所述用户分析上下文信息。
本实施例中，所述将所述用户分析上下文信息上传至用户行为数据库之前，包括：
通过用户行为数据组合器将所述用户分析上下文信息组合成用户行为对象；
通过消息上报组件将所述用户行为对象异步放在缓冲池中，并由异步线程读取所述缓冲池中的缓冲数据，将所述缓冲数据发送至用户行为数据消息引擎中；
通过用户行为数据消息引擎提供消息队列接收所述缓冲数据，并推送给流计算处理引擎；
通过流计算处理引擎对所述缓冲数据进行过滤和清洗后，融合用户行为标签数据库的接口标签后上传至用户行为数据库。
其中，所述消息上报组件为基于kafka的客户端。所述用户行为数据消息引擎为kafka消息引擎。所述流计算处理引擎为Flink实时流数据处理引擎。所述用户行为数据库为ClickHouse实时时序数据库。
本实施例中，所述用户行为分析包括下述中的至少一种：KPI分析、漏斗分析、事件分析、留存分析、分布分析、归因分析、热图分析、事件流分析。
在一个最优的实施方式中，本发明还提供了一种API网关埋点分析装置，如图2所示，API网关埋点分析装置由埋点配置服务、API网关服务、用户行为数据消息引擎、流数据处理组件、标签数据库、用户行为数据库、行为分析服务组成，形成基于云平台的用户行为分析基础能力。
埋点配置服务：负责作为埋点系统的配置中心，可提供埋点接口配置、接口标签配置、接口过滤配置、数据上报频率配置、可视化看板配置等能力。
API网关服务：负责对经过API网关的HTTP接口流量进行用户行为数据过滤，数据上报，作为提取云上业务系统用户行为数据的来源，API网关服务使用的主要技术是SpringCloud Gateway，该装置内部在API网关的基础上引入了用户行为分析插件，插件由用户行为接口判断器、用户信息参数解析器、用户行为数据组合器、消息上报组件组成。
1.用户行为接口判断器可对接埋点配置服务的接口埋点分析策略，决定是否提取接口，如果不提取则直接跳过插件后续的逻辑。通过该插件可为本装置提供灵活的配置性，按需选择必要的API接口进行过滤，避免收集用户行为信息对业务系统的性能和稳定性带来影响。
2.用户信息参数解析器是指从HTTP请求的Header、Body、Cookie中提取用户行为数据，用户行为数据主要包括：当前页面路径、上一页面路径、用户信息、操作时间、搜索内容等，形成用户行为数据对象。
3.用户行为数据组合器可将接口信息、接口发生的页面信息、用户信息组合成用户行为对象，并异步发送给消息上报组件。选择异步的原因是避免用户行为数据上报对接口性能产生影响，避免不必要的开箱。
4.消息上报组件是基于kafka的客户端，首先接收用户行为对象放在缓冲池中，接下来由异步线程读取缓冲数据，并调用kafka发送到消息引擎中。
用户行为数据消息引擎：负责提供消息队列来接受用户行为数据，并推送给流计算处理引擎。消息引擎可采用主流消息中间件技术，此处采用kafka作为消息引擎，来处理大规模用户行为数据。
流数据处理组件：采用流数据处理技术对用户行为数据进行实施加工、过滤、清洗，并融合用户行为标签数据库的接口标签，基于用户行为分析规则，进而将接口行为转化为用户行为，语义化，存入实时流数据库。流数据处理采用Flink实时流数据处理引擎。
在分析服务中可以将由网关提取的用户行为原始数据，进行标签化，单纯从API接口无法识别具体的业务，通过将API接口路径、当前页面与上一页面可以在标签库中映射为一个具体页面，比如当用户通过登陆进入首页，并且在首页访问了获取用户列表的接口，我们通过上一页面是登陆、当前页面是首页，当前接口路径是获取用户列表，可反向识别出用户使用场景，以便在后边进行具体分析。
用户行为数据库：采用ClickHouse实时时序数据库，用来以时间维度记录用户在业务系统触发行为发送的动作，便于查询与分析。
行为分析服务：可基于用户行为数据库提供用户行为分析与看板可视化展示功能，提供如KPI分析、漏斗分析、事件分析、留存分析、分布分析、归因分析、热图分析、事件流分析等分析能力，提供报表、看板展示。
在一个应用场景中，如图3所示，Web客户端在经过有限的改造后，由Web客户端发送的每个HTTP接口都会在Header中携带用户行为发生时当前页面，以及用户行为发生时的上一个页面，当前页面与上一个页面便是识别分析用户行为必要的两个参数。
在Web客户端接口发起后经过API网关埋点分析装置，网关针对每一个API接口可配置是否过滤用户行为数据，当设置为true时，网关会将用户行为提取出来形成如下图表中的数据形式，进一步经过用户行为流数据分析引擎，我们可提出用户行为操作的关键信息：“张三在2022.11.15 23:00:00访问了用户列表，并由张三访问用户列表后访问系统列表可知张三在系统列表页面”。
本发明在电网数字化项目中的实践应用，由于统一技术要求，新建设的电网数字化项目均需接入位于统一计算运营平台的API网关，通过以插件化的方式将本发明对应的API网关接口用户行为数据收集装置引入，并针对开发云服务与数字化门户项目进行前端API接口的适配改造，进而实现了可拓展的埋点平台。
在本实施例中埋点收集的数据指标如表1：
表1
实施例2
基于同一种发明构思，本发明还提供了一种API网关埋点分析装置，如图4所示，所述API网关埋点分析装置包括：
改造模块，用于在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
第一分析模块，用于基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
第二分析模块，用于在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
优选的，所述用户分析上下文信息包括下述中的至少一种：页面路径、上一页面路径、用户信息、操作时间。
优选的，所述在客户端的API接口对应的接口请求信息上添加用户分析上下文信息，包括：
采用HTTP接口拦截器技术在客户端的API接口对应的接口请求信息上添加用户分析上下文信息。
优选的，所述基于预设API接口白名单解析相应的API接口对应的接口请求信息，包括：
提取所述API接口对应的接口请求信息的相关参数；
将所述相关参数放在exchange的上下文中，通过用户行为过滤器从exchange提取所述用户分析上下文信息。
优选的，所述将所述用户分析上下文信息上传至用户行为数据库之前，包括：
通过用户行为数据组合器将所述用户分析上下文信息组合成用户行为对象；
通过消息上报组件将所述用户行为对象异步放在缓冲池中，并由异步线程读取所述缓冲池中的缓冲数据，将所述缓冲数据发送至用户行为数据消息引擎中；
通过用户行为数据消息引擎提供消息队列接收所述缓冲数据，并推送给流计算处理引擎；
通过流计算处理引擎对所述缓冲数据进行过滤和清洗后，融合用户行为标签数据库的接口标签后上传至用户行为数据库。
进一步的，所述消息上报组件为基于kafka的客户端。
进一步的，所述用户行为数据消息引擎为kafka消息引擎。
进一步的，所述流计算处理引擎为Flink实时流数据处理引擎。
优选的，所述用户行为数据库为ClickHouse实时时序数据库。
优选的，所述用户行为分析包括下述中的至少一种：KPI分析、漏斗分析、事件分析、留存分析、分布分析、归因分析、热图分析、事件流分析。
实施例3
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种API网关埋点分析方法的步骤。
实施例4
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种API网关埋点分析方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种API网关埋点分析方法，其特征在于，所述方法包括：
在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
2.如权利要求1所述的方法，其特征在于，所述用户分析上下文信息包括下述中的至少一种：页面路径、上一页面路径、用户信息、操作时间。
3.如权利要求1所述的方法，其特征在于，所述在客户端的API接口对应的接口请求信息上添加用户分析上下文信息，包括：
采用HTTP接口拦截器技术在客户端的API接口对应的接口请求信息上添加用户分析上下文信息。
4.如权利要求1所述的方法，其特征在于，所述基于预设API接口白名单解析相应的API接口对应的接口请求信息，包括：
提取所述API接口对应的接口请求信息的相关参数；
将所述相关参数放在exchange的上下文中，通过用户行为过滤器从exchange提取所述用户分析上下文信息。
5.如权利要求1所述的方法，其特征在于，所述将所述用户分析上下文信息上传至用户行为数据库之前，包括：
通过用户行为数据组合器将所述用户分析上下文信息组合成用户行为对象；
通过消息上报组件将所述用户行为对象异步放在缓冲池中，并由异步线程读取所述缓冲池中的缓冲数据，将所述缓冲数据发送至用户行为数据消息引擎中；
通过用户行为数据消息引擎提供消息队列接收所述缓冲数据，并推送给流计算处理引擎；
通过流计算处理引擎对所述缓冲数据进行过滤和清洗后，融合用户行为标签数据库的接口标签后上传至用户行为数据库。
6.如权利要求5所述的方法，其特征在于，所述消息上报组件为基于kafka的客户端。
7.如权利要求5所述的方法，其特征在于，所述用户行为数据消息引擎为kafka消息引擎。
8.如权利要求5所述的方法，其特征在于，所述流计算处理引擎为Flink实时流数据处理引擎。
9.如权利要求1所述的方法，其特征在于，所述用户行为数据库为ClickHouse实时时序数据库。
10.如权利要求1所述的方法，其特征在于，所述用户行为分析包括下述中的至少一种：KPI分析、漏斗分析、事件分析、留存分析、分布分析、归因分析、热图分析、事件流分析。
11.一种API网关埋点分析装置，其特征在于，所述装置包括：
改造模块，用于在客户端的API接口对应的接口请求信息上添加用户分析上下文信息；
第一分析模块，用于基于预设API接口白名单解析相应的API接口对应的接口请求信息，得到用户分析上下文信息，并将所述用户分析上下文信息上传至用户行为数据库；
第二分析模块，用于在所述用户行为数据库提取所述用户分析上下文信息并进行用户行为分析。
12.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至10中任意一项所述的API网关埋点分析方法。
13.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至10中任意一项所述的API网关埋点分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211584926.0A CN116016628A (zh) | 2022-12-09 | 2022-12-09 | 一种api网关埋点分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211584926.0A CN116016628A (zh) | 2022-12-09 | 2022-12-09 | 一种api网关埋点分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116016628A true CN116016628A (zh) | 2023-04-25 |
Family
ID=86022095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211584926.0A Pending CN116016628A (zh) | 2022-12-09 | 2022-12-09 | 一种api网关埋点分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116016628A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116501778A (zh) * | 2023-05-16 | 2023-07-28 | 湖北省珍岛数字智能科技有限公司 | 基于ClickHouse的实时用户行为数据分析方法 |
| CN116610387A (zh) * | 2023-07-17 | 2023-08-18 | 杭州比智科技有限公司 | 一种基于动态加载和bitmap实现渠道对接及数据分析方法 |
-
2022
- 2022-12-09 CN CN202211584926.0A patent/CN116016628A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116501778A (zh) * | 2023-05-16 | 2023-07-28 | 湖北省珍岛数字智能科技有限公司 | 基于ClickHouse的实时用户行为数据分析方法 |
| CN116610387A (zh) * | 2023-07-17 | 2023-08-18 | 杭州比智科技有限公司 | 一种基于动态加载和bitmap实现渠道对接及数据分析方法 |
| CN116610387B (zh) * | 2023-07-17 | 2023-10-03 | 杭州比智科技有限公司 | 一种基于动态加载和bitmap实现渠道对接及数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110784419B (zh) | 铁路电务专业数据可视化方法及系统 | |
| CN110909063B (zh) | 一种用户行为的分析方法、装置、应用服务器及存储介质 | |
| CN116016628A (zh) | 一种api网关埋点分析方法及装置 | |
| CN107506451B (zh) | 用于数据交互的异常信息监控方法及装置 | |
| CN111488363B (zh) | 数据处理方法、装置、电子设备及介质 | |
| CN113360554B (zh) | 一种数据抽取、转换和加载etl的方法和设备 | |
| CN111459986B (zh) | 数据计算系统及方法 | |
| US11188443B2 (en) | Method, apparatus and system for processing log data | |
| CN108664635B (zh) | 数据库统计信息的获取方法、装置、设备和存储介质 | |
| CN108134746B (zh) | 轨道交通数据的处理方法及装置 | |
| CN113962597A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
| CN113760242B (zh) | 一种数据处理方法、装置、服务器和介质 | |
| CN111553652A (zh) | 业务处理方法及装置 | |
| CN109284088B (zh) | 一种信令大数据处理方法及电子设备 | |
| CN106557483B (zh) | 一种数据处理、数据查询方法及设备 | |
| CN112307318A (zh) | 一种内容发布方法、系统及装置 | |
| CN114625407A (zh) | 一种ab实验的实现方法、系统、设备及存储介质 | |
| CN107480189A (zh) | 一种多维度实时分析系统及方法 | |
| CN117093619A (zh) | 一种规则引擎处理方法、装置、电子设备及存储介质 | |
| CN116860583A (zh) | 数据库的性能优化方法、装置、存储介质及电子设备 | |
| WO2016206395A1 (zh) | 周报信息处理方法及装置 | |
| CN110881030A (zh) | 基于logstash的记录web服务管理员操作日志的方法及装置 | |
| CN111639936B (zh) | 交易信息的获取方法、装置、电子设备及可读存储介质 | |
| CN113449166A (zh) | 数据采集方法、装置、设备及存储介质 | |
| CN105765569B (zh) | 一种数据分发方法，装载机及存储系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |