大规模的印象跟踪



如何在不影响应用性能的情况下跟踪印象和观察时间,因为产品在平台上扩展到数百万活跃用户?我们希望优化我们需要向分析工具提出的请求的数量。我们使用mixpanel进行分析,并有react native应用程序。

谢谢!

首先,你异步发送你的印象,以避免妨碍性能。

不是请求数,而是同步请求数。

第二,批量处理跟踪请求,以避免向mixpanel端点发送几乎没有填充的tcp-ip数据包。不确定mixpanel的sdk是否允许原生的。Firebase当然可以。

第三,你限制字段的数量,事件的数量,字符串的长度只是为了适应更多的跟踪事件到批处理tcp数据包。

第四,你考虑改变你追踪印象的方式。有几种不同的,不那么直接的方法来跟踪它们。例如,如果页面上的产品对于每个访问它的用户来说都是相同的,那么你就不需要为每个用户发送相同的印象。你可以假设每次访问这个页面都会自动产生这些印象。您甚至可以将mixpanel中的数据ETL到更合适的事件存储中,并单独使用补充印象填充表。

最后,即使你不做这些优化,只是确保分析是无阻塞的,你真的看到性能的差异与没有分析吗?也许您生成印象事件有效负载的方式在某种程度上损害了CPU ?衡量伤害你的确切点。分析显然是前端的罪魁祸首,但它很少是性能问题的真正原因。

最新更新