统计分析系统

第 10 封邮件问的还是那个问题：我的链接到底被点了多少次，哪个渠道最有效。代码里除了存一条映射关系，什么访问信息都没有，而统计又绝不能拖慢跳转本身。

这一章从「要采什么」开始：时间戳和目标 URL 是基础，IP、User-Agent、Referer 和 Accept-Language 用来还原访问者，UTM 参数是营销人群最关心的来源标记，地理位置则从 IP 推算。写入方式试了三轮——同步写库、异步队列、再到 Kafka 高吞吐。数据落在独立的点击日志表上，字段和索引都按查询场景设计。实时性是另一层问题：Redis 的 INCR 数总点击，HINCRBY 做设备和国家维度，HyperLogLog 用 12KB 内存统计百万级独立访客，Sorted Set 排热门榜。而当这张表冲到五千万条、四十 GB 的时候，冷热分离就成了必答题——七天内的热数据留在 Redis 和 MySQL，更早的冷数据搬进对象存储，配上分区、压缩和成本核算。

读完你应该能设计一套不影响跳转性能的点击采集链路，能解释为什么实时计数和离线分析要分开存，并能给日志数据的分层与归档画出方案。