本文由【友盟+】技术专家马巍源、张永峰共同撰稿

随着移动互联网和大数据技术的发展，智能手机的普及，几乎所有工作、学习、生活中的所有场景都离不开手机，手机 APP 已经取代了传统的生活方式，让人们可以体验便捷高效的服务，当然它也承载着大量丰富的信息，收集这些 APP 的数据，集中对数据进行清洗和分析，就能将这些海量数据变为有价值的数据能源。数据采集是开发数据能源的第一步，如何采集数据，什么样的技术架构能够支持海量数据的采集、甄别和传输，这是本文需要讨论的问题。

移动数据采集特点

与 PC 端不同，对于手机、iPad、智能手表、电视盒子等移动设备，我们触达它们的载体就是 APP。原生 SDK 在多语言上支持上需要投入很多的开发资源，跨平台应用开发渐成趋势，但 JS SDK 在各框架上的实现也各有差异，因此，目前移动采集 SDK 在对多平台、多语言的支持上难度较大。

难度更大的是对 Android 设备的机型适配问题。由于 Android 系统的开源特性，各厂商为了在各家机型上有更好的用户体验，都有针对性的做了 ROM 改良，尤其近些年 Android 在虚拟机、编译器上的改动较大，这就给机型适配带来更大的难度。为了不给 APP 带来卡顿、闪退、黑屏、崩溃、加载速度慢等差的体验，还需要支持开发者各种异常方式的接口调用，需要有极强的容错性。

移动端的流量在持续的增长，【友盟+】在移动端覆盖的 APP 超过 135 万款，覆盖全球移动设备日活跃数超过 14 亿个，每天处理的数据量达 280 亿，庞大的数据每天都在考验着我们的采集 SDK 和服务端的承载能力，【友盟+】在移动端采集技术上不断更新迭代，持续多年保持市场覆盖领先的地位。

SDK 与服务器通信协议的演进

我们最初 SDK 的设计思想是简单高效，因此在 SDK 端没有任何对数据预处理的逻辑，甚至缓存策略也非常简单，所有实时产生的数据都会实时上报服务器。但随着移动端流量的暴涨，这种高并发的请求对服务器带来很大的压力。下图是 1.0 版本的通信协议。

于是考虑通过控制发送频率来减小并发，开发者可以根据业务需要采用不同的发送策略：启动、间隔、退出发送，并且在【友盟+】平台可随时变更。虽然有效减小了服务端的压力，但又带来了另一个问题，单条数据的包体大小有可能超过 request-body 的上限，导致请求超时。并且流量压力同样是需要亟待解决的问题，于是，在 2.0 版本上我们对数据进行了压缩，并增加了安全机制。服务端增加了数据预处理的逻辑，完善了对数据的校验。

只能单向通信的协议是不灵活的，有很多时候我们需要 SDK 的行为进行一些控制，比如发送策略的修改、屏蔽错误埋点数据，或者发现数据被污染决定抛弃，这些操作服务器需要通知到 SDK，并且在没有长连接的情况下该怎么做。在 3.0 版本上我们把 http 请求的 response 的信息包体设计控制语义，SDK 除了从 response 获得服务器的接收状态，同时可以获得服务器的控制指令，从而实现服务器想要得到的效果。

如果每一条 Log 都必须等待并解析服务器返回的控制信息，显然服务器对数据处理的时效性和并发处理能力会大大折损，并且有些业务数据其实无需解析并执行这些控制信息。因此，我们对业务数据进行了精细的分解，一些业务数据使用双向通信协议，能够解析并执行控制指令，其余的业务数据属于状态无关数据，仍然使用单向通信协议。

那么未来其实还可以将控制协议与业务传输协议分离，各自使用不同的发送频率，但又能保证所有业务数据是受服务器指令控制的。

SDK 技术架构解析

移动数据采集 SDK 架构主要由三部分组成：用户接口、业务模块和控制模块。

我们可以从几个场景的时序图来解析这几个模块的工作原理。

APP 启动

用户启动 App 的时候，其实是触发了开发者调用的初始化接口，Service Moudle 和 Control Moudle 会异步的进行一些初始化的操作：创建 Session、加载设备信息等。

APP 在前台运行中

当用户在 APP 中有点击、滑动屏幕的行为，会触发开发者在 APP 中预设置埋点事件。

Servie Moudle 会生成相应的事件数据，调用 Control Moudle 的接口检查发送策略和安全策略，之后 Servie Moudle 会将事件数据放到缓存队里中待发送。

APP 退出

无论用户退出 APP 后，SDK 还会在短暂的瞬间完成很多操作：结束 Session、持久化保存数据，在 iOS 中还会直接完成数据封装、打包、上报的工作。

SDK 组件化架构

我们提供的产品功能越来越多，业务场景越来越复杂，为了满足各种各样的解决方案的需求，SDK 需要为各个业务场景维护多个分支、多个版本，开发资源浪费、版本迭代周期拉长，为了解决这个问题，我们必须要设计一个灵活的架构，使每个产品功能变成可自由组合、拆卸的组件。

组件化将统一约定 package 和 public API 的文件规范。针对当前【友盟+】业务的需求，建立标准的 SDK 产品公共库（如：network，serialize，configure，cache 等），组件化结构分为两部分，Common 将作为一个独立的 library package，而 Component 中每个产品作为独立 library。

业务组合灵活，适用更多场景

组件的划分的颗粒度，可以根据业务需求，我们的设计是根据产品，或者业务来划分组件。一个产品可能包含很多功能，比如统计产品包含事件数据采集、错误数据采集、A/B Test 等功能，Push 产品包含消息推送和应用内消息，在某些场景下，可能有些开发者会只使用部分功能，比如，只用错误分析功能和 Push 的消息推送，那么组件颗粒细化到功能层，就会更加灵活，可满足更多场景的需求，并且体积的减小是对开发者来说是非常有吸引力的。

业务逻辑解耦，代码更加健壮

组件化的架构改变了以前业务逻辑与基础功能深度耦合的状况，业务开发人员可以专注于业务逻辑的实现，而不需要考虑如网络通信、消息队列管理、设备信息采集等基础功能的实现。业务逻辑代码的任何改动，不会影响基础功能逻辑，加强了代码的健壮性，同时在回归测试周期上也大大缩短。

【友盟+】数据采集技术将持续的适应业务场景的变化，未来我们的目标是让我们的 SDK 更加智能，更加安全，让企业及开发者集成更加简单、数据更加精准。