我开始在 MySQL 中为我正在进行的项目开发网站分析系统，但很快意识到它不足以满足我的需求(在可扩展性、速度等方面)。在做了相当多的研究之后，MongoDB 不断地成为不错的候选者，我唯一的问题是我没有这方面的经验，也不了解高性能/大型 MongoDB 数据库的最佳实践，就像我对 MySQL 所做的那样.
当用户访问网站时，需要记录标准信息(IP、浏览器信息、网站ID、URL、用户名)。它还需要记录用户访问的每个后续页面(当前时间戳，url)。如果用户离开网站并在 10 天后返回，它需要记录这次访问并记录它是返回用户(通过用户名标识)。
除了记录多个网站的访问(查看每秒添加的 500 条记录)之外，它还需要具有报告功能。我擅长制作图表等，但我需要知道如何有效地从数据库中提取数据。我希望能够提供每 15 分钟显示一次事件的图表，但如果更实用的话，一个小时就足够了。
作为一方认为，如果它能够在未来进行实时报告会很好，但这超出了当前项目的范围。
现在我已经阅读了 http://blog.mongodb.org/post/171353301/using-mongodb-for-real-time-analytics 上的文章但它没有提到任何关于高流量网站的信息——据我所知，它可能只能处理几千条记录。我是遵循该帖子的概念并直接从该集合中提取报告，还是预先分析数据并将其存档到一个单独的集合中会更好？
如有任何关于数据插入、数据库结构和报告的想法，我们将不胜感激!
最佳答案
(MySQL) not going to be sufficient for my needs (in terms of scalability, speed etc)
嗯... facebook 似乎在很大程度上使用了 MySQL。说到 NoSQL，我认为它不一定是技术，而是数据结构和算法。
您面临的是潜在的高写入吞吐量情况。一种非常适合您的问题的高写入吞吐量方法是 sharding :无论机器有多大，软件的效率有多高，单台机器所能处理的写入数量都是有限的。分片将数据拆分到多个服务器，因此您可以写入不同的服务器。例如，用户 A-M 写入服务器 1，用户 N-Z 写入服务器 2。
现在，分片是以复杂性为代价的，因为它需要平衡，跨所有分片的聚合可能很棘手，您需要维护多个独立的数据库等。
这是技术问题:MongoDB 分片相当简单，因为它们支持自动分片，自动分片可以为您完成大部分讨厌的事情。我不认为您需要每秒 500 次插入的速度，但很高兴知道它在那里。
对于模式设计，重要的是要考虑 shard key ，这将用于确定哪个分片负责文档。这可能取决于您的流量模式。假设您有一个经营集市的用户。一年一次，他的网站完全崩溃，但 360 天它都是流量较低的网站之一。现在，如果您对 CustomerId 进行分片，则该特定用户可能会导致问题。另一方面，如果您在 VisitorId 上进行分片，则必须为一个简单的 count() 命中每个分片。
分析部分在很大程度上取决于您要支持的查询。货真价实slice&dice我想说的是相当具有挑战性，特别是如果你想支持近实时分析。一种更简单的方法是限制用户的选项，只提供一小组操作。这些也可以缓存，因此您不必每次都进行所有聚合。
一般来说，分析可能很棘手，因为有许多特征需要关系。例如，同类群组分析将要求您仅考虑由特定用户组生成的那些日志条目。 $in 查询可以为较小的群组提供帮助，但如果我们谈论的是数万名用户，它就不行了。您可以只选择随机的用户子集，因为这在统计上应该足够了，当然这取决于您的具体要求。
对于大量数据的分析，Map/Reduce 派上用场:它会在服务器上进行处理，而 Map/Reduce 也受益于分片，因为作业可以由每个分片单独处理。然而，取决于无数因素，这些工作将需要一些时间。
我相信 blog of Boxed Ice有这方面的一些信息；他们肯定有使用 MongoDB 处理大量分析数据的经验。
关于mongodb - 使用 MongoDB 进行网站分析的数据库结构，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8494130/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
在控制台中反复尝试之后，我想到了这种方法，可以按发生日期对类似activerecord的(Mongoid)对象进行分组。我不确定这是完成此任务的最佳方法，但它确实有效。有没有人有更好的建议，或者这是一个很好的方法？#eventsisanarrayofactiverecord-likeobjectsthatincludeatimeattributeevents.map{|event|#converteventsarrayintoanarrayofhasheswiththedayofthemonthandtheevent{:number=>event.time.day,:event=>ev
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
