网易云音乐全链路埋点管理平台建设

图片来源： https://unsplash.com

本文作者：ZYF

一、背景

在文章 云音乐曙光埋点：还原数据理想国中，我们介绍了曙光埋点项目方案，该方案基于多端一致埋点对象树建设管理，实现了统一自动化埋点和链路追踪，方案高度还原了大前端埋点的理想状态、具备较强通用性和扩展性。我们围绕这套埋点方案研发了配套的埋点管理系统，以承载及埋点规则数据管理、埋点设计、埋点研发、埋点测试、埋点上线等功能，本文主要介绍该平台功能及建设思路。

二、平台现状介绍

经过前几期建设，我们已经实现了一个适配研发流程的、按版本来管理的埋点数据管理平台，其核心功能为：

• 1、承载埋点研发生命周期
• 2、承载埋点的元数据管理

我们的研发生命周期如下：

平台在埋点元数据管理设计如下，参考和学习了版本管理工具的功能，并且充分考虑了客户端的研发流程特点

• 1、客户端每个大版本需求研发时，BI对埋点需求进行分类，建立需求组。可以理解为基于Master CheckOut出了多个分支。
• 2、BI在各需求组内，按埋点需求设计埋点。设计完成后，平台会计算出埋点的变更列表，如新增对象、新增血缘关系、修改参数、删除对象、删除血缘关系。
• 3、上述变更由BI指派到任务，交由开发处理
• 4、经过一个版本迭代开发后，若任务开发测试完成处于可上线状态，会被打上版本的TAG，并且发布上线，在Master产生一个新版本；未完成的任务，则可在后续版本迭代开发完毕后再上线。

相比版本控制工具，适配研发流程的版本控制具有以下特点：

• 1、支持部分变更上线：需求内的变更可以自由筛选出来部分上线，可以类比为分支内提交数个文件，可以筛选出几个文件单独合入Master
• 2、需要走研发流程才可上线：每个埋点变更都拥有独立的研发流程控制和校验。这些流程(设计完成->开发->测试通过)需要走完后，才准许合入Master。
• 3、模型更加复杂：不是简单的文本，而是复杂的层级对象结构。

三、我们遇到的问题和痛点

在上述研发流程模式的落地过程中，我们发现了以下问题和痛点：

• 1、落地质量问题
  • 漏埋：因为涉及较多埋点事件、埋点参数的组合，在某些组合下，埋点没有上报。
  • 错埋：埋点参数缺失或格式不正确。
  • 归因错误：埋点里的归因字段设置错误、不合理。
• 2、落地效率问题
  • 大量重复埋点代码编写：如果涉及大量对象埋点，埋点工作势必成为大量重复劳动，影响研发效率。
  • 埋点进行增量变更时，无法知道改动了什么：平台只展示了某个埋点全量信息，并未展示其增量改动（没有类似版本管理工具的Compare视图）。
• 3、功能痛点
  • 有一些埋点长期停留在研发阶段未上线（类比于写代码时开发分支落后Master多次提交，没有去Pull Master获取最新的主线代码改动），导致这些埋点很可能是过时的，如果不进行卡点直接上线，就会导致问题
  • 埋点数据是按APP+端两个维度隔离的，但实际运用时存在内嵌情况，如APP端可内嵌WEB端H5页面的功能，这种情况下，需要把原本隔离的数据进行整合，如把部分WEB埋点树挂载在APP端树上。

针对以上问题痛点，平台在近半年内进行了针对性的解决。

四、埋点质量建设

解决该问题的思路为先解决源头防止增量质量问题产生，再解决存量质量问题。

1、建设实时埋点校验功能，从源头解决埋点质量问题

客户端埋点开发完成后，需要进行"实时校验"，从而对被指派的埋点任务进行测试覆盖，其步骤如下：

• 客户端连接到实时校验平台，平台根据该任务需求，生成埋点校验树

• 客户端上报日志，平台根据埋点校验树进行校验

• 平台根据测试情况，决定测试是否通过

  • 需求范围内有埋错：不通过，且可以查看日志看到具体为何不通过，如下图所示

  • 需求范围内有漏埋：默认不通过，但事实推进落地中，存在部分分支客户端难以复现覆盖的情况，因此我们也支持了勾选某些分支无需测试的功能，如下图所示

• 若测试为不通过，则将卡点阻塞流程，后续无法正常上线

经过实时埋点校验功能的上线后，我们封堵住了大部分埋点错误源头，达到了较好效果。

2、建设线上埋点稽查功能，发现存量埋点问题并推进解决

稽查功能定位为企业日志的统计分析，解决以下问题：

• 1、分析日志是否按规则正确输出，检测出少参数、参数取值错误、归因错误等问题，并对这类问题进行归类，并可进一步钻取，直至能够看到原始日志的样本。

• 2、自定义灵活业务统计监控、报表、报警。通过监控、报表中数值变化报警来发现、辅助定位端上发版后一些bug。如：某些点位日志变少、PV/UV比例变化等。

为实现上述功能，需要对日志进行采样分析计算(可以理解为打上各种标签)，并且将计算结果存储在能够支持筛选、统计查询功能的数据库中，为典型的OLAP场景，我们选型时，采用了ClickHouse来完成这块功能，其主要考量点如下图所示

经过稽查功能上线和推进，我们的线上埋点错误数已经下降了95%，并且还在逐渐降低中，达到了较好的效果。

五、埋点效率建设

• 使用模版引擎自动生成代码 上文提到，埋点时涉及大量重复埋点代码编写，我们针对该问题使用模版引擎语言自动生成埋点代码，且支持适配了安卓、iPhone、Web、RN等多套客户端，把代码提前生成好，能自动填写的部分全部自动填写，客户端复制代码后只需要把代码模版里剩余部分补全即可，如下图所示

• 展示埋点DIFF，让开发更容易理解埋点改动点

我们开发了埋点DIFF功能，相比与版本管理软件中的代码文本对比，埋点元数据是一种更加复杂的数据结构，因此在服务端计算DIFF和前端界面展示DIFF上相对来说较复杂一些。如下图所示，我们通过在原有界面上通过背景色来区分变更操作是新增、修改、还是删除。

六、研发中埋点自动Rebase到最新Master

前文提到，有一些埋点长期停留在研发阶段未上线，目前没有pull master的功能，导致：

• 1、这些未上线埋点元数据很可能是过时的，如果直接上线会导致业务问题。
• 2、无法使用到最新Master下的新增对象，或者还在使用已删除对象

因此我们对在需求池内未上线的研发阶段对象，每次上线后，都自动pull master处理。如下图所示为一个未上线需求从安卓8.8.11 Rebase到 安卓8.8.12的过程，rebase后可能存在部分变更需要删除或重新研发。

rebase算法的核心在于计算出Master和本研发分支对比同一个基线的原子改动列表，并尝试依次合并，并将合并后的变更应用到基线上。其流程图如下：

其中变更合并时的逻辑如下：

人工冲突解决时，我们采用了上文“展示埋点DIFF”的功能，让埋点设计人员同时看到两方改动，并在界面中录入最终合并结果。

七、埋点跨空间打通

云音乐业务存在多个业务线，他们的“埋点空间”是相互独立的。但云音乐存在内嵌业务的情况，如云音乐APP下可内嵌LOOK直播APP、以及WEB端的H5页面等，即使云音乐APP不发版，内嵌的业务的埋点也可能会发生变化。因此需要把内嵌业务对应的的埋点树“桥接”到当前APP埋点中。针对这种诉求，我们研发了“桥梁”模式，如下图所示:

• 桥梁为一类特殊对象，用于衔接父子空间，如图示为衔接云音乐APP和WEB H5两个独立的埋点空间，其中云音乐APP是父空间，WEB为子空间
• 桥梁在父空间定义
• 子空间对象可设置挂载在父空间桥梁下
• 父空间展示埋点树时，只关心到桥梁为止
• 子空间展示埋点树时，会把桥梁以上所挂载的父空间树也展示出来
• 内嵌开发完毕后，需要使用父空间APP验证子空间的带桥梁埋点是否正确，其SPM为带父空间的完整路径

此外由于埋点按版本管理，因此埋点树若变化，必须要在平台内产生新版本，因此：

• 子空间发布，父空间不需要发布新版本，因为子空间埋点树对父空间不可见
• 父空间发布，若涉及桥梁更改，则会改变子空间埋点树，此时需要在子空间同步发布一个新版本

八、未来规划

在埋点领域中，除了纯客户端埋点，还有服务端埋点，以及双端共同完成的混合埋点，常见的混合埋点包括：

• 服务端下发的字段，客户端需要打到客户端埋点里
• 客户端上报的字段，服务端需要打到服务端埋点里

此类需求广泛存在，但未在本平台上进行管控，其流程、效率、效果是不可控、不可监控的，后续平台将把服务端埋点及服务端+客户端混合埋点也平台产品化并进行管控。

此外，网易云音乐全链路埋点管理平台前后端、客户端SDK等组件都将在近期贡献到开源社区，为业界带来更大价值。