സെർവർ അനലിറ്റിക്സ് സിസ്റ്റങ്ങൾ

വിശകലന സംവിധാനങ്ങളെക്കുറിച്ചുള്ള ലേഖനങ്ങളുടെ ഒരു പരമ്പരയുടെ രണ്ടാം ഭാഗമാണിത് (ഭാഗം 1 ലേക്കുള്ള ലിങ്ക്).

ശ്രദ്ധാപൂർവമായ ഡാറ്റ പ്രോസസ്സിംഗും ഫലങ്ങളുടെ വ്യാഖ്യാനവും ഏതാണ്ട് ഏത് തരത്തിലുള്ള ബിസിനസിനെയും സഹായിക്കുമെന്നതിൽ ഇന്ന് സംശയമില്ല. ഇക്കാര്യത്തിൽ, അനലിറ്റിക്കൽ സിസ്റ്റങ്ങൾ പാരാമീറ്ററുകൾ കൊണ്ട് കൂടുതലായി ലോഡുചെയ്യുന്നു, കൂടാതെ ആപ്ലിക്കേഷനുകളിലെ ട്രിഗറുകളുടെയും ഉപയോക്തൃ ഇവന്റുകളുടെയും എണ്ണം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്.
ഇക്കാരണത്താൽ, കമ്പനികൾ അവരുടെ അനലിസ്റ്റുകൾക്ക് കൂടുതൽ കൂടുതൽ അസംസ്‌കൃത വിവരങ്ങൾ വിശകലനം ചെയ്യുന്നതിനും മികച്ച തീരുമാനങ്ങളാക്കി മാറ്റുന്നതിനും നൽകുന്നു. ഒരു കമ്പനിക്ക് അനലിറ്റിക്സ് സിസ്റ്റത്തിന്റെ പ്രാധാന്യം കുറച്ചുകാണരുത്, കൂടാതെ സിസ്റ്റം തന്നെ വിശ്വസനീയവും സുസ്ഥിരവുമായിരിക്കണം.

ക്ലയന്റ് അനലിസ്റ്റുകൾ

കസ്റ്റമർ അനലിറ്റിക്‌സ് എന്നത് ഒരു കമ്പനി അതിന്റെ വെബ്‌സൈറ്റിലേക്കോ ആപ്ലിക്കേഷനുമായോ ഔദ്യോഗിക SDK മുഖേന ബന്ധിപ്പിക്കുകയും സ്വന്തം കോഡ്‌ബേസുമായി സംയോജിപ്പിക്കുകയും ഇവന്റ് ട്രിഗറുകൾ തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്ന ഒരു സേവനമാണ്. ഈ സമീപനത്തിന് വ്യക്തമായ ഒരു പോരായ്മയുണ്ട്: നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന ഏതൊരു സേവനത്തിന്റെയും പരിമിതികൾ കാരണം ശേഖരിച്ച എല്ലാ ഡാറ്റയും നിങ്ങൾ ആഗ്രഹിക്കുന്നതുപോലെ കൃത്യമായി പ്രോസസ്സ് ചെയ്തേക്കില്ല. ഉദാഹരണത്തിന്, ഒരു സിസ്റ്റത്തിൽ MapReduce ടാസ്‌ക്കുകൾ പ്രവർത്തിപ്പിക്കുന്നത് എളുപ്പമല്ല, മറ്റൊന്നിൽ നിങ്ങൾക്ക് നിങ്ങളുടെ മോഡൽ പ്രവർത്തിപ്പിക്കാൻ കഴിയില്ല. സേവനങ്ങൾക്കായുള്ള പതിവ് (ആകർഷകമായ) ബില്ലായിരിക്കും മറ്റൊരു പോരായ്മ.
വിപണിയിൽ നിരവധി ഉപഭോക്തൃ അനലിറ്റിക്സ് സൊല്യൂഷനുകൾ ഉണ്ട്, എന്നാൽ എല്ലാ ജോലികൾക്കും അനുയോജ്യമായ ഒരു സാർവത്രിക സേവനവും ഇല്ല എന്ന വസ്തുതയെ താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട് വിശകലന വിദഗ്ധർ അഭിമുഖീകരിക്കുന്നു (ഈ എല്ലാ സേവനങ്ങളുടെയും വിലകൾ എല്ലായ്‌പ്പോഴും ഉയരുന്നു). അത്തരമൊരു സാഹചര്യത്തിൽ, ആവശ്യമായ എല്ലാ ഇഷ്‌ടാനുസൃത ക്രമീകരണങ്ങളും കഴിവുകളും ഉപയോഗിച്ച് കമ്പനികൾ സ്വന്തം അനലിറ്റിക്‌സ് സിസ്റ്റം സൃഷ്ടിക്കാൻ പലപ്പോഴും തീരുമാനിക്കുന്നു.

സെർവർ അനലിസ്റ്റുകൾ

സെർവർ സൈഡ് അനലിറ്റിക്‌സ് എന്നത് ഒരു കമ്പനിക്കുള്ളിൽ സ്വന്തം സെർവറുകളിലും (സാധാരണയായി) സ്വന്തം പരിശ്രമത്തിലൂടെയും വിന്യസിക്കാൻ കഴിയുന്ന ഒരു സേവനമാണ്. ഈ മാതൃകയിൽ, എല്ലാ ഉപയോക്തൃ ഇവന്റുകളും ഇന്റേണൽ സെർവറുകളിൽ സംഭരിച്ചിരിക്കുന്നു, വ്യത്യസ്ത സ്റ്റോറേജ് ഡാറ്റാബേസുകൾ പരീക്ഷിക്കാനും ഏറ്റവും സൗകര്യപ്രദമായ ആർക്കിടെക്ചർ തിരഞ്ഞെടുക്കാനും ഡവലപ്പർമാരെ അനുവദിക്കുന്നു. ചില ടാസ്‌ക്കുകൾക്കായി നിങ്ങൾക്ക് ഇപ്പോഴും മൂന്നാം കക്ഷി ക്ലയന്റ് അനലിറ്റിക്‌സ് ഉപയോഗിക്കാൻ താൽപ്പര്യമുണ്ടെങ്കിലും, അത് തുടർന്നും സാധ്യമാകും.
സെർവർ സൈഡ് അനലിറ്റിക്‌സ് രണ്ട് തരത്തിൽ വിന്യസിക്കാം. ആദ്യം: ചില ഓപ്പൺ സോഴ്‌സ് യൂട്ടിലിറ്റികൾ തിരഞ്ഞെടുക്കുക, അവ നിങ്ങളുടെ മെഷീനുകളിൽ വിന്യസിക്കുകയും ബിസിനസ് ലോജിക് വികസിപ്പിക്കുകയും ചെയ്യുക.

പുലി
Минусы

നിങ്ങൾക്ക് ആവശ്യമുള്ളതെന്തും ഇഷ്ടാനുസൃതമാക്കാൻ കഴിയും
ഇത് പലപ്പോഴും വളരെ ബുദ്ധിമുട്ടുള്ളതും പ്രത്യേക ഡെവലപ്പർമാർ ആവശ്യമാണ്

രണ്ടാമത്: SaaS സേവനങ്ങൾ (Amazon, Google, Azure) സ്വയം വിന്യസിക്കുന്നതിന് പകരം സ്വീകരിക്കുക. SaaS നെ കുറിച്ച് കൂടുതൽ വിശദമായി മൂന്നാം ഭാഗത്തിൽ നമ്മൾ സംസാരിക്കും.

പുലി
Минусы

ഇടത്തരം വോള്യങ്ങളിൽ ഇത് വിലകുറഞ്ഞതായിരിക്കാം, എന്നാൽ വലിയ വളർച്ചയോടെ അത് ഇപ്പോഴും വളരെ ചെലവേറിയതായിത്തീരും
എല്ലാ പാരാമീറ്ററുകളും നിയന്ത്രിക്കുന്നത് സാധ്യമല്ല

അഡ്മിനിസ്ട്രേഷൻ പൂർണ്ണമായും സേവന ദാതാവിന്റെ ചുമലിലേക്ക് മാറ്റുന്നു
സേവനത്തിനുള്ളിൽ എന്താണെന്ന് എല്ലായ്പ്പോഴും അറിയില്ല (അത് ആവശ്യമില്ലായിരിക്കാം)

സെർവർ അനലിറ്റിക്‌സ് എങ്ങനെ ശേഖരിക്കാം

ക്ലയന്റ് അനലിറ്റിക്‌സ് ഉപയോഗിക്കുന്നതിൽ നിന്ന് മാറി സ്വന്തമായി നിർമ്മിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ആദ്യം തന്നെ പുതിയ സിസ്റ്റത്തിന്റെ ആർക്കിടെക്ചറിലൂടെ ചിന്തിക്കേണ്ടതുണ്ട്. നിങ്ങൾ എന്താണ് പരിഗണിക്കേണ്ടതെന്നും, എന്തുകൊണ്ടാണ് ഓരോ ഘട്ടവും ആവശ്യമുള്ളതെന്നും നിങ്ങൾക്ക് എന്ത് ടൂളുകൾ ഉപയോഗിക്കാമെന്നും ചുവടെ ഞാൻ ഘട്ടം ഘട്ടമായി നിങ്ങളോട് പറയും.

1. ഡാറ്റ സ്വീകരിക്കുന്നു

ഉപഭോക്തൃ അനലിറ്റിക്‌സിന്റെ കാര്യത്തിലെന്നപോലെ, ഒന്നാമതായി, കമ്പനി അനലിസ്റ്റുകൾ ഭാവിയിൽ പഠിക്കാൻ ആഗ്രഹിക്കുന്ന ഇവന്റുകളുടെ തരങ്ങൾ തിരഞ്ഞെടുത്ത് അവ ഒരു പട്ടികയിലേക്ക് ശേഖരിക്കുന്നു. സാധാരണഗതിയിൽ, ഈ ഇവന്റുകൾ "ഇവന്റ് പാറ്റേൺ" എന്ന് വിളിക്കപ്പെടുന്ന ഒരു പ്രത്യേക ക്രമത്തിലാണ് സംഭവിക്കുന്നത്.
അടുത്തതായി, ഒരു മൊബൈൽ ആപ്ലിക്കേഷനിൽ (വെബ്സൈറ്റ്) സാധാരണ ഉപയോക്താക്കളും (ഉപകരണങ്ങളും) നിരവധി സെർവറുകളും ഉണ്ടെന്ന് സങ്കൽപ്പിക്കുക. ഉപകരണങ്ങളിൽ നിന്ന് സെർവറുകളിലേക്ക് ഇവന്റുകൾ സുരക്ഷിതമായി കൈമാറാൻ, ഒരു ഇന്റർമീഡിയറ്റ് ലെയർ ആവശ്യമാണ്. വാസ്തുവിദ്യയെ ആശ്രയിച്ച്, നിരവധി വ്യത്യസ്ത ഇവന്റ് ക്യൂകൾ ഉണ്ടാകാം.
അപ്പാച്ച കാഫ്ക ആണ് പബ്/സബ് ക്യൂ, ഇവന്റുകൾ ശേഖരിക്കുന്നതിനുള്ള ക്യൂ ആയി ഉപയോഗിക്കുന്നു.

പറയുന്നു Quora-യിലെ പോസ്റ്റ് 2014-ൽ, അപ്പാച്ചെ കാഫ്കയുടെ സ്രഷ്ടാവ്, "ഇത് എഴുതാൻ ഒപ്റ്റിമൈസ് ചെയ്ത ഒരു സംവിധാനമാണ്" എന്നതിനാലും കാഫ്കയുടെ കൃതികൾ ഇഷ്ടപ്പെട്ടതിനാലും ഫ്രാൻസ് കാഫ്കയുടെ പേരിടാൻ തീരുമാനിച്ചു. — വിക്കിപീഡിയ

ഞങ്ങളുടെ ഉദാഹരണത്തിൽ, ധാരാളം ഡാറ്റ നിർമ്മാതാക്കളും ഡാറ്റ ഉപഭോക്താക്കളും (ഉപകരണങ്ങളും സെർവറുകളും) ഉണ്ട്, അവരെ പരസ്പരം ബന്ധിപ്പിക്കാൻ കാഫ്ക സഹായിക്കുന്നു. ഇനിപ്പറയുന്ന ഘട്ടങ്ങളിൽ ഉപഭോക്താക്കളെ കൂടുതൽ വിശദമായി വിവരിക്കും, അവിടെ അവർ പ്രധാന വിഷയങ്ങളായിരിക്കും. ഇപ്പോൾ ഞങ്ങൾ ഡാറ്റ നിർമ്മാതാക്കളെ (ഇവന്റ്) മാത്രം പരിഗണിക്കും.
ക്യൂവിന്റെയും പാർട്ടീഷന്റെയും ആശയങ്ങൾ കാഫ്ക ഉൾക്കൊള്ളുന്നു; ഇതിനെക്കുറിച്ച് കൂടുതൽ വിശദമായി മറ്റെവിടെയെങ്കിലും വായിക്കുന്നതാണ് നല്ലത് (ഉദാഹരണത്തിന്, ഇൻ പ്രമാണീകരണം). വിശദാംശങ്ങളിലേക്ക് കടക്കാതെ, രണ്ട് വ്യത്യസ്ത ഒഎസുകൾക്കായി ഒരു മൊബൈൽ ആപ്ലിക്കേഷൻ സമാരംഭിച്ചതായി സങ്കൽപ്പിക്കുക. തുടർന്ന് ഓരോ പതിപ്പും അതിന്റേതായ പ്രത്യേക ഇവന്റ് സ്ട്രീം സൃഷ്ടിക്കുന്നു. നിർമ്മാതാക്കൾ കാഫ്കയിലേക്ക് ഇവന്റുകൾ അയയ്ക്കുന്നു, അവ അനുയോജ്യമായ ഒരു ക്യൂവിൽ രേഖപ്പെടുത്തുന്നു.

(ചിത്രം ഇവിടെ നിന്ന്)

അതേ സമയം, കാഫ്ക നിങ്ങളെ കഷണങ്ങളായി വായിക്കാനും മിനി ബാച്ചുകളിൽ ഇവന്റുകളുടെ ഒരു സ്ട്രീം പ്രോസസ്സ് ചെയ്യാനും അനുവദിക്കുന്നു. വർദ്ധിച്ചുവരുന്ന ആവശ്യങ്ങൾക്കൊപ്പം (ഉദാഹരണത്തിന്, ഇവന്റുകളുടെ ജിയോലൊക്കേഷൻ വഴി) നന്നായി അളക്കുന്ന വളരെ സൗകര്യപ്രദമായ ഉപകരണമാണ് കാഫ്ക.
സാധാരണയായി ഒരു കഷണം മതി, എന്നാൽ സ്കെയിലിംഗ് ചെയ്യുമ്പോൾ കാര്യങ്ങൾ കൂടുതൽ സങ്കീർണ്ണമാകും (എപ്പോഴും ചെയ്യുന്നതുപോലെ). വാസ്തുവിദ്യ തെറ്റ്-സഹിഷ്ണുതയുള്ളതായിരിക്കണം എന്നതിനാൽ, ഉൽപ്പാദനത്തിൽ ഒരു ഭൗതിക ശകലം മാത്രം ഉപയോഗിക്കാൻ ആരും ആഗ്രഹിക്കുന്നില്ല. കാഫ്ക കൂടാതെ, അറിയപ്പെടുന്ന മറ്റൊരു പരിഹാരമുണ്ട് - RabbitMQ. ഇവന്റ് അനലിറ്റിക്‌സിന്റെ ക്യൂ ആയി ഞങ്ങൾ ഇത് പ്രൊഡക്ഷനിൽ ഉപയോഗിച്ചിട്ടില്ല (നിങ്ങൾക്ക് അത്തരം അനുഭവമുണ്ടെങ്കിൽ, അഭിപ്രായങ്ങളിൽ ഞങ്ങളോട് പറയൂ!). എന്നിരുന്നാലും, ഞങ്ങൾ AWS Kinesis ഉപയോഗിച്ചു.

അടുത്ത ഘട്ടത്തിലേക്ക് പോകുന്നതിന് മുമ്പ്, സിസ്റ്റത്തിന്റെ ഒരു അധിക പാളി കൂടി ഞങ്ങൾ പരാമർശിക്കേണ്ടതുണ്ട് - റോ ലോഗ് സ്റ്റോറേജ്. ഇത് ആവശ്യമായ ലെയറല്ല, പക്ഷേ എന്തെങ്കിലും തെറ്റ് സംഭവിക്കുകയും കാഫ്കയിലെ ഇവന്റ് ക്യൂകൾ പുനഃസജ്ജമാക്കുകയും ചെയ്താൽ ഇത് ഉപയോഗപ്രദമാകും. അസംസ്കൃത ലോഗുകൾ സംഭരിക്കുന്നതിന് സങ്കീർണ്ണവും ചെലവേറിയതുമായ പരിഹാരം ആവശ്യമില്ല; നിങ്ങൾക്ക് അവ ശരിയായ ക്രമത്തിൽ എവിടെയെങ്കിലും എഴുതാം (ഒരു ഹാർഡ് ഡ്രൈവിൽ പോലും).

2. ഇവന്റ് സ്ട്രീമുകൾ പ്രോസസ്സ് ചെയ്യുന്നു

ഞങ്ങൾ എല്ലാ ഇവന്റുകളും തയ്യാറാക്കി ഉചിതമായ ക്യൂവിൽ സ്ഥാപിച്ച ശേഷം, ഞങ്ങൾ പ്രോസസ്സിംഗ് ഘട്ടത്തിലേക്ക് നീങ്ങുന്നു. ഏറ്റവും സാധാരണമായ രണ്ട് പ്രോസസ്സിംഗ് ഓപ്ഷനുകളെക്കുറിച്ച് ഇവിടെ ഞാൻ നിങ്ങളോട് പറയും.
അപ്പാച്ചെ സിസ്റ്റത്തിൽ സ്പാർക്ക് സ്ട്രീമിംഗ് പ്രവർത്തനക്ഷമമാക്കുക എന്നതാണ് ആദ്യ ഓപ്ഷൻ. എല്ലാ അപ്പാച്ചെ ഉൽപ്പന്നങ്ങളും HDFS-ൽ തത്സമയം, ഫയൽ പകർപ്പുകളുള്ള ഒരു സുരക്ഷിത ഫയൽ സിസ്റ്റമാണ്. സ്ട്രീമിംഗ് ഡാറ്റയും സ്കെയിലുകളും നന്നായി കൈകാര്യം ചെയ്യുന്ന എളുപ്പത്തിൽ ഉപയോഗിക്കാവുന്ന ഉപകരണമാണ് സ്പാർക്ക് സ്ട്രീമിംഗ്. എന്നിരുന്നാലും, അത് പരിപാലിക്കാൻ ബുദ്ധിമുട്ടായിരിക്കാം.
നിങ്ങളുടെ സ്വന്തം ഇവന്റ് ഹാൻഡ്‌ലർ നിർമ്മിക്കുക എന്നതാണ് മറ്റൊരു ഓപ്ഷൻ. ഇത് ചെയ്യുന്നതിന്, ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് ഒരു പൈത്തൺ ആപ്ലിക്കേഷൻ എഴുതുകയും ഡോക്കറിൽ അത് നിർമ്മിക്കുകയും കാഫ്ക ക്യൂവിൽ സബ്സ്ക്രൈബ് ചെയ്യുകയും വേണം. ഡോക്കർ ഹാൻഡ്‌ലറുകളിൽ ട്രിഗറുകൾ എത്തുമ്പോൾ, പ്രോസസ്സിംഗ് ആരംഭിക്കും. ഈ രീതി ഉപയോഗിച്ച്, നിങ്ങൾ എല്ലാ സമയത്തും ആപ്ലിക്കേഷനുകൾ പ്രവർത്തിപ്പിക്കേണ്ടതുണ്ട്.
മുകളിൽ വിവരിച്ച ഓപ്ഷനുകളിലൊന്ന് ഞങ്ങൾ തിരഞ്ഞെടുത്തുവെന്നും പ്രോസസ്സിംഗിലേക്ക് തന്നെ നീങ്ങുമെന്നും കരുതുക. ഡാറ്റയുടെ സാധുത പരിശോധിച്ച്, മാലിന്യങ്ങൾ ഫിൽട്ടർ ചെയ്തും "തകർന്ന" ഇവന്റുകൾ ഉപയോഗിച്ചും പ്രോസസ്സറുകൾ ആരംഭിക്കണം. മൂല്യനിർണ്ണയത്തിനായി ഞങ്ങൾ സാധാരണയായി ഉപയോഗിക്കുന്നു സെർബർ. ഇതിനുശേഷം, നിങ്ങൾക്ക് ഡാറ്റ മാപ്പിംഗ് നടത്താം: വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ഒരു സാധാരണ പട്ടികയിലേക്ക് ചേർക്കുന്നതിന് സാധാരണമാക്കുകയും സ്റ്റാൻഡേർഡ് ചെയ്യുകയും ചെയ്യുന്നു.

3. ഡാറ്റാബേസ്

മൂന്നാമത്തെ ഘട്ടം സാധാരണ സംഭവങ്ങൾ നിലനിർത്തുക എന്നതാണ്. ഒരു റെഡിമെയ്ഡ് അനലിറ്റിക്കൽ സിസ്റ്റത്തിൽ പ്രവർത്തിക്കുമ്പോൾ, ഞങ്ങൾ അവ പലപ്പോഴും ആക്സസ് ചെയ്യേണ്ടിവരും, അതിനാൽ സൗകര്യപ്രദമായ ഒരു ഡാറ്റാബേസ് തിരഞ്ഞെടുക്കേണ്ടത് പ്രധാനമാണ്.
ഒരു നിശ്ചിത സ്കീമിലേക്ക് ഡാറ്റ നന്നായി യോജിക്കുന്നുവെങ്കിൽ, നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം ക്ലിക്ക്ഹൗസ് അല്ലെങ്കിൽ മറ്റേതെങ്കിലും കോളം ഡാറ്റാബേസ്. ഈ രീതിയിൽ അഗ്രഗേഷനുകൾ വളരെ വേഗത്തിൽ പ്രവർത്തിക്കും. ഈ സ്കീം കർശനമായി നിശ്ചയിച്ചിട്ടുള്ളതാണ്, അതിനാൽ മാറ്റം വരുത്താതെ അനിയന്ത്രിതമായ വസ്തുക്കൾ ചേർക്കുന്നത് സാധ്യമല്ല (ഉദാഹരണത്തിന്, ഒരു നിലവാരമില്ലാത്ത ഇവന്റ് സംഭവിക്കുമ്പോൾ). എന്നാൽ നിങ്ങൾക്ക് വളരെ വേഗത്തിൽ കണക്കാക്കാം.
ഘടനയില്ലാത്ത ഡാറ്റയ്ക്ക്, നിങ്ങൾക്ക് NoSQL എടുക്കാം, ഉദാഹരണത്തിന്, അപ്പാച്ചെ കസ്സാൻഡ്ര. ഇത് HDFS-ൽ പ്രവർത്തിക്കുന്നു, നന്നായി ആവർത്തിക്കുന്നു, നിങ്ങൾക്ക് നിരവധി സന്ദർഭങ്ങൾ ഉയർത്താൻ കഴിയും, കൂടാതെ തെറ്റ്-സഹിഷ്ണുതയുള്ളതുമാണ്.
നിങ്ങൾക്ക് ലളിതമായ എന്തെങ്കിലും ഉയർത്താനും കഴിയും, ഉദാഹരണത്തിന്, മോംഗോഡിബി. ഇത് വളരെ മന്ദഗതിയിലുള്ളതും ചെറിയ വോള്യങ്ങൾക്കുള്ളതുമാണ്. എന്നാൽ ഇത് വളരെ ലളിതവും അതിനാൽ ആരംഭിക്കുന്നതിന് അനുയോജ്യവുമാണ് എന്നതാണ് പ്ലസ്.

4. കൂട്ടിച്ചേർക്കലുകൾ

എല്ലാ ഇവന്റുകളും ശ്രദ്ധാപൂർവ്വം സംരക്ഷിച്ച ശേഷം, വന്ന ബാച്ചിൽ നിന്ന് എല്ലാ പ്രധാന വിവരങ്ങളും ശേഖരിക്കാനും ഡാറ്റാബേസ് അപ്‌ഡേറ്റ് ചെയ്യാനും ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ആഗോളതലത്തിൽ, പ്രസക്തമായ ഡാഷ്‌ബോർഡുകളും മെട്രിക്കുകളും ലഭിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ഉദാഹരണത്തിന്, ഇവന്റുകളിൽ നിന്ന് ഒരു ഉപയോക്തൃ പ്രൊഫൈൽ ശേഖരിച്ച് എങ്ങനെയെങ്കിലും പെരുമാറ്റം അളക്കുക. ഇവന്റുകൾ സമാഹരിക്കുകയും ശേഖരിക്കുകയും വീണ്ടും സംരക്ഷിക്കുകയും ചെയ്യുന്നു (ഉപയോക്തൃ പട്ടികകളിൽ). അതേ സമയം, നിങ്ങൾക്ക് ഒരു സിസ്റ്റം നിർമ്മിക്കാൻ കഴിയും, അതുവഴി നിങ്ങൾക്ക് അഗ്രഗേറ്റർ-കോർഡിനേറ്ററിലേക്ക് ഒരു ഫിൽട്ടർ ബന്ധിപ്പിക്കാനും കഴിയും: ഒരു പ്രത്യേക തരം ഇവന്റിൽ നിന്ന് മാത്രം ഉപയോക്താക്കളെ ശേഖരിക്കുക.
അതിനുശേഷം, ടീമിലെ ആർക്കെങ്കിലും ഉയർന്ന തലത്തിലുള്ള അനലിറ്റിക്സ് മാത്രമേ ആവശ്യമുള്ളൂവെങ്കിൽ, ബാഹ്യ അനലിറ്റിക്സ് സംവിധാനങ്ങൾ ബന്ധിപ്പിക്കാൻ കഴിയും. നിങ്ങൾക്ക് വീണ്ടും Mixpanel എടുക്കാം. എന്നാൽ ഇത് വളരെ ചെലവേറിയതിനാൽ, എല്ലാ ഉപയോക്തൃ ഇവന്റുകളും അയയ്‌ക്കുന്നില്ല, പക്ഷേ ആവശ്യമുള്ളത് മാത്രം. ഇത് ചെയ്യുന്നതിന്, ചില അസംസ്‌കൃത ഇവന്റുകൾ അല്ലെങ്കിൽ നമ്മൾ മുമ്പ് സമാഹരിച്ച മറ്റെന്തെങ്കിലും ബാഹ്യ സിസ്റ്റങ്ങളിലേക്കോ APIകളിലേക്കോ പരസ്യ പ്ലാറ്റ്‌ഫോമുകളിലേക്കോ കൈമാറുന്ന ഒരു കോർഡിനേറ്റർ സൃഷ്‌ടിക്കേണ്ടതുണ്ട്.

5. മുൻഭാഗം

നിങ്ങൾ സൃഷ്ടിച്ച സിസ്റ്റത്തിലേക്ക് മുൻഭാഗം ബന്ധിപ്പിക്കേണ്ടതുണ്ട്. ഒരു നല്ല ഉദാഹരണം സേവനമാണ് redash, ഡാഷ്‌ബോർഡുകൾ നിർമ്മിക്കാൻ സഹായിക്കുന്ന ഒരു ഡാറ്റാബേസ് GUI ആണ്. ഇടപെടൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു:

1. ഉപയോക്താവ് ഒരു SQL അന്വേഷണം നടത്തുന്നു.
2. മറുപടിയായി അയാൾക്ക് ഒരു അടയാളം ലഭിക്കുന്നു.
3. ഇത് അതിനായി ഒരു 'പുതിയ ദൃശ്യവൽക്കരണം' സൃഷ്ടിക്കുകയും നിങ്ങൾക്കായി സംരക്ഷിക്കാൻ കഴിയുന്ന മനോഹരമായ ഒരു ഗ്രാഫ് നേടുകയും ചെയ്യുന്നു.

സേവനത്തിലെ ദൃശ്യവൽക്കരണങ്ങൾ സ്വയമേവ അപ്‌ഡേറ്റുചെയ്യുന്നു, നിങ്ങൾക്ക് നിങ്ങളുടെ നിരീക്ഷണം ഇഷ്ടാനുസൃതമാക്കാനും ട്രാക്ക് ചെയ്യാനും കഴിയും. സ്വയം ഹോസ്റ്റ് ചെയ്താൽ Redash സൗജന്യമാണ്, എന്നാൽ SaaS ആയി ഇതിന് പ്രതിമാസം $50 ചിലവാകും.

തീരുമാനം

മുകളിലുള്ള എല്ലാ ഘട്ടങ്ങളും പൂർത്തിയാക്കിയ ശേഷം, നിങ്ങളുടെ സെർവർ അനലിറ്റിക്സ് നിങ്ങൾ സൃഷ്ടിക്കും. ഇത് ഉപഭോക്തൃ അനലിറ്റിക്‌സ് ബന്ധിപ്പിക്കുന്നത് പോലെ ലളിതമല്ല എന്നത് ശ്രദ്ധിക്കുക, കാരണം എല്ലാം സ്വയം കോൺഫിഗർ ചെയ്യേണ്ടതുണ്ട്. അതിനാൽ, നിങ്ങളുടെ സ്വന്തം സിസ്റ്റം സൃഷ്ടിക്കുന്നതിന് മുമ്പ്, ഗുരുതരമായ അനലിറ്റിക്സ് സിസ്റ്റത്തിന്റെ ആവശ്യകതയെ നിങ്ങൾ അതിനായി അനുവദിക്കാൻ തയ്യാറുള്ള വിഭവങ്ങളുമായി താരതമ്യം ചെയ്യുന്നത് മൂല്യവത്താണ്.
നിങ്ങൾ കണക്ക് പൂർത്തിയാക്കുകയും ചെലവ് വളരെ കൂടുതലാണെന്ന് കണ്ടെത്തുകയും ചെയ്താൽ, സെർവർ സൈഡ് അനലിറ്റിക്‌സിന്റെ വിലകുറഞ്ഞ പതിപ്പ് എങ്ങനെ നിർമ്മിക്കാമെന്ന് അടുത്ത ഭാഗത്ത് ഞാൻ സംസാരിക്കും.

വായിച്ചതിന് നന്ദി! അഭിപ്രായങ്ങളിൽ ചോദ്യങ്ങൾ ചോദിക്കുന്നതിൽ ഞാൻ സന്തുഷ്ടനാകും.

അവലംബം: www.habr.com