什麼是在網頁上進行基本視圖跟蹤的最佳方式？

Question

我有一個面向web的，匿名訪問的博客目錄和博客，我想跟蹤每個博客帖子收到的瀏覽次數。

我想保持這種儘可能簡單，精度只需要一個近似值。這不是用於分析（我們有Google），我不想做任何日誌分析來提取統計信息，因爲在這個環境中運行後臺任務非常棘手，我希望數字儘可能的新鮮。

我當前的解決方案如下：

1. ，簡單地記錄的圖表中的每個的Web控制GET。
2. 排除使用正則表達式和用戶代理字符串
3. 爲某些IP地址（已知垃圾郵件製造者）的排斥
4. 提供用於鎖定了一些職位（當垃圾郵件發送者來爲它）
的已知網絡爬蟲的列表

這實際上似乎做了一個不錯的工作，但有幾件事讓我煩惱。垃圾郵件發送者仍然會發一些帖子，從而導致觀點不一致。我仍然需要手動監視視圖，更新我的「錯誤」IP地址列表。

有沒有人對我有更好的建議？任何人都知道如何跟蹤StackOverflow問題的觀點？

Answer 1

這聽起來像你目前的解決方案其實是相當不錯的。

我們實現了一個地方，其提供的視圖內容的服務器代碼也更新其存儲的網址和觀看計數（實際上爲URL，因爲URL可能會隨時間而改變一個特殊的ID碼）的數據庫表。

這實際上是與用戶撰寫的帖子一個系統，其他人可以發表評論，但它同樣適用於你在哪裏開設職位（如果我正確理解你的描述）的唯一用戶的情況。

我們必須做到以下幾點，以儘量減少（不消除，不幸地）傾斜。

• 對於登錄用戶，每個用戶只能添加一個視點到帖子。 EVER。沒有例外。
• 對於匿名用戶，每個IP地址只能在每個月添加一個視點到帖子。由於我們的觀點，IP地址可能會「共享」（NAT等），因此這一點可靠性稍差。我們放寬上述「EVER」要求的原因是出於這種共享原因。
• 。柱本身被限制在具有每時間週期（週期開始低（比如，10秒）添加一個視點和逐漸增大（到，比方說，5分鐘），使得新訊息被允許更快的累積圖，由於到他們的新奇）。這照顧了大多數垃圾郵件殭屍工具，因爲我們發現他們在創建該帖子後往往會遭受很長時間的攻擊。
• 刪除一個帖子，或者一個失敗的嘗試繞過CAPTCHA（見下文），垃圾評論的，自動添加該IP黑名單，並減少了觀看次數爲這個職務。
• 如果列入黑名單的IP在N天內未嘗試留言（可配置），則會將其從黑名單中刪除。這個規則和之前的規則使維護黑名單時的人工干預最小化，我們只需監控垃圾郵件內容的迴應。
• CAPTCHA。這解決了我們的垃圾郵件問題很多，特別是因爲我們不只是依靠OCR-類的東西（如「這是什麼字 - >‘選擇性’）;我們其實問的問題（如」什麼是2乘以一半8？「），其打破啞巴字符識別機器人。它不會打廉價勞動力CAPTCHA斷路器成羣的（除非他們的數學實在是太差了:-)但沒有CAPTCHA的改善是令人印象深刻。
• 已登陸用戶不須遵守CAPTCHA，但垃圾郵件得到了賬號立即刪除，IP列入黑名單，他們認爲從崗位中減去。
• 我很慚愧地承認，我們實際上並沒有打折的網絡爬蟲（我希望客戶ISN」 t閱讀:-)說實話，由於我們的IP地址規則，他們可能每個月只增加最少數量的觀點（除非他們擁有多個IP地址）。

所以基本上，我提出以下儘可能改進。當然，你應該總是監控他們如何去看他們是否在工作。

• CAPTCHA。
• 根據用戶行爲自動黑名單更新。
• 限制查看計數從相同的IP地址增加。
• 限制觀看次數增加到一定比率。

沒有您選擇的方案是完美的（例如，我們的一個月規則），但只要所有帖子遵循相同的規則集，您仍然會獲得較好的比較價值。如你所說，準確性只需要一個近似值。

Answer 2

建議：

1. 從用戶控制成基Page類移動命中計數邏輯。
2. 將排除列表重新設計爲可動態更新（即將其存儲在數據庫中或甚至存儲在xml文件中）
3. 記錄所有匹配。在一個定期的時間間隔內，有一個cron作業運行通過新的匹配，並確定它們是包含還是排除。如果您爲每個匹配執行排除，則每個用戶都必須等待匹配邏輯發生。
4. 拿出一些算法來自動檢測垃圾郵件/機器人，並將它們添加到黑名單。和/或訂閱第三方黑名單。