前端埋点，为啥上线后服务器直接爆了？

如果咱们想要好好的完成埋点功能，既能拿到有效数据，又不会把服务器 “打崩”。那么就需要对整个埋点方案进行设计了。

Hello，大家好，我是 Sunday。

说起埋点很多同学肯定是不陌生的，面试的时候经常会聊到，实际项目中更是“标配”。

但是，有些同学为项目添加了埋点之后，上线第一天，服务器就直接被挤爆了。。。。。。这是为什么呢？

典型的错误场景

让咱们先来看几个埋点的典型错误场景

1. 全量直传

很多同学写埋点的时候，最直观的想法就是：用户点一下按钮，我就发一次请求。

于是代码就长这样：

button.addEventListener("click", () => { fetch("/track", { method: "POST", body: JSON.stringify({ event: "button_click", time: Date.now() }), });});

看起来挺合理的，对吧？点一下就上报一下呀，没毛病。

但你有没有想过：当 1 万个用户同时点按钮会发生什么？

1 万次点击 === 1 万个请求，直接打到后端接口。如果有大型的活动，那么活动一上线，可能瞬间涌来几十万请求。后端在没有做好充足准备的情况下，就可能会被直接 “冲死” 了。

2. 没有采样逻辑

有的同学觉得：“埋点嘛，多多益善，反正数据越全越好。”（这样想的同学可不少）

于是页面里几乎所有的动作都打点：

用户点击按钮 → 埋点用户滚动页面 → 埋点用户划过一个元素 → 也埋点

结果就是：用户在一个页面里随便滑动几下，前端 SDK 就疯狂地往后端塞数据。

PS：这里给大家说一个训练营同学遇到过的真实情况

某位同事，直接在一个列表滚动事件里写了埋点。既：用户每滚动1px就发一次请求。结果一批用户刚进入页面，后端就已经被几万条无效数据给搞懵了。

所以说：埋点不是“越多越好”，而是要有所取舍。否则，你想要的洞察没拿到，反而先收获了一堆垃圾数据。

3. 没有合并上报

很多同学在写埋点的时候，完全没考虑“合并上报”的情况，于是每次事件触发就立刻单独发一个请求。

比如：

tracker.track("page_view");tracker.track("button_click");tracker.track("api_success");

那么这样就会导致出现 “天量” 的请求。

所以说，在上报的时候，要根据 “埋点策略” 进行 批量合并。按照 不同的优先级划分实时上报和统一上报的方案。

设计终极解决方案

如果咱们想要好好的完成埋点功能，既能拿到有效数据，又不会把服务器 “打崩”。那么就需要对整个埋点方案进行设计了。

先建立一份事件白名单表（事件名、层级、采样率、是否实时、字段 schema、去重规则、负责人），非白名单事件不进行上报。

然后制定采样策略，目的以能看清趋势与差异位标准。

比如：

固定采样：滚动 10%，曝光 30%，点击 50%（可按业务调参）分流采样：userId % 10 < 1 → 10% 样本动态采样：活动高峰服务端下发更高采样，平峰自动降采样分层采样：Core=100%，Important=30%~100%，General=5%~20%

然后根据数据的优先级，采用实时 + 统一上报的结合方式

实时上报：Core 事件（下单/支付/注册/登录），用于风控/实时看板统一上报：Important 事件，批量触发（条数阈值或时间阈值）离线上报(可选的)：General 事件，集中批量，延迟可以更宽松一些

因为篇幅有限，所以咱们今天就先说这些。

总结来说：埋点得有策略。不能所有的埋点数据都直接实时上报。大家在实际埋点的方案中，也可以使用一些第三方的库或者平台，比如：sentry、神策、GrowingIO等等的。