博客中的阅读量是如何设计的？

发布于
2016-05-11

在博客园中，一篇博客的底部，通常有该篇博客的阅读量的统计。当浏览器端没发起一个请求的时候，它通过相应的逻辑判断，如果符合要求，则给阅读量加一。所以，有了如下代码：

package test;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;

public class Url {

    private final static String BLOGURL = "http://www.cnblogs.com/RunForLove/p/5439002.html";

    public static void main(String args[]) {
        try {
            for (int i = 0; i > -1; i++) {
                execute(BLOGURL);
                System.err.println("cnblogs\t" + i);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    private static void execute(String url) throws Exception {
        // 创建URL链接
        URL connURL = new URL(url);
        // 打开链接
        HttpURLConnection httpConn = (HttpURLConnection) connURL.openConnection();

        String cookie = getCookie();

        // 设置通用属性
        httpConn.setRequestProperty("Accept",
                                    "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
        httpConn.setRequestProperty("Accept-Encoding", "gzip, deflate, sdch");
        httpConn.setRequestProperty("Accept-Language", "zh-CN,zh;q=0.8");
        httpConn.setRequestProperty("Cache-Control", "max-age=0");
        httpConn.setRequestProperty("Connection", "Keep-Alive");
        httpConn.setRequestProperty("Cookie", cookie);
        httpConn.setRequestProperty("Host", "www.cnblogs.com");
        httpConn.setRequestProperty("User-Agent",
                                    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36");
        httpConn.setRequestProperty("If-Modified-Since", "Wed, 11 May 2016 09:24:05 GMT");

        // 建立实际的链接
        httpConn.connect();
        BufferedReader in = new BufferedReader(new InputStreamReader(httpConn.getInputStream(), "UTF-8"));
        in.close();

    }

    private static String getCookie() {
        return "CNZZDATA4324368=cnzz_eid%3D1585339881-1456207541-null%26ntime%3D1456207620; CNZZDATA1556060=cnzz_eid%3D412661198-1456450586-null%26ntime%3D1456450586; CNZZDATA5299104=cnzz_eid%3D1116436150-1456733240-null%26ntime%3D1456733240; __gads=ID=bd2ad73bc51c0d10:T=1456882812:S=ALNI_Mayf4iI2fnDbt6M7y9cprjSo8kzzQ; .CNBlogsCookie=900FD4817DFA0E06C5C5CB79015C39CC3C869C4324CBA33194A920C4639F2843E32BCA929484834CC0B1C653661BB1CF7AFC54E30A77E3F2B95BB160AEB17E0AC438B8C30CDD84DFC2455CE2D3F5B06B04881C61; AJSTAT_ok_times=3; CNZZDATA1121896=cnzz_eid%3D2087772282-1462859238-null%26ntime%3D1462859238; CNZZDATA943648=cnzz_eid%3D1056946870-1462854976-null%26ntime%3D1462859947; __utma=226521935.1056844361.1456278785.1462950083.1462950083.1; __utmc=226521935; __utmz=226521935.1462950083.1.1.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; _ga=GA1.2.1056844361.1456278785";
    }
}

但是，通过测试，博客园中的阅读量并没有增加。我的思考如下：
1.它的后台做了时间戳的判断，如果相同的IP在很短的时间内访问，阅读数不加。（之所以这么设计，可能是需要将缓存写回数据库）但是，跑了好长是代码，依旧没有阅读量增加。
2.特别好奇博客园的后台是怎么统计阅读数的，有没有做过类似项目的，讲讲啊。

非常感谢~ 谢谢~~

java c++javascript python爬虫

python

阅读 15.6k

13 个回答

zwillon

✓ 已被采纳

简单谈下思路，供楼主参考
1）简单粗暴型的，这里不用去管浏览器的user-agent，不管cookie等信息，每产生一次PV，就直接计数，优点：简单，缺点：可能不真实，也可能有刷量数据
2）稍微细腻点的统计，会区分新老用户，楼主你可以研究下baidu统计的SDK，里面包含有用户的浏览器信息，操作系统信息、用户的地域信息等，也就是说，你通过浏览器的javascript以及和服务器数据的交互，对于后台服务器来说，是可以获取这些数据的，那么对于博客园这样的网站，他可能想要统计到真实的用户访问情况，以便有些行为分析以便精准投放推荐博客（这个纯粹是我猜测的，我没研究过、关注过博客园的技术，但目前很多做推荐算法的大多是根据cookie来精确投放广告），这时会结合用户的IP信息、cookie信息（也就是session）和user-agent来统计分析，注意，这里的IP是映射后的IP地址（如果这里不清楚什么是映射后的IP地址，建议百度搜索下NAT地址），对于我们日常的家庭拨号上网，都是拿到的运营商的虚拟出来的内网地址，以便节省IPv4资源，所以说，一个user-agent、IP、cookie基本上能唯一标识一个用户信息。不过我看了下博客园，貌似没有用到cookie数据。

3）进一步说，有了这些数据之后，从设计角度来说，阅读量的这个信息在页面展现中不是优先级最高的（优先级最高的应该是博客文章内容），但阅读量的相关信息是有意的，那么问题来了，对于阅读量这种信息是否在数据库的设计层面上要加写锁去互斥？这里推荐楼主了解下什么是CAP原理，可以看下
http://www.blogjava.net/hello-yun/archive/2012/04/27/376744.html

4）其他的回复已经提到了，可能是缓存，也可能是有IP的判断、cookie的检测，这个要尝试之后才知道了，不过个人觉得可能性最大的是这个阅读量，博客园采用的是一个异步统计的办法，也就是说你产生真实的阅读之后，他是经过后台处理之后才给阅读量计数器+1的

希望能帮助到你。

查尔斯

8.4k31136

发布于
2016-05-11

这个统计没有绝对的正确，只能尽量去接近正常的统计算法，且不被人恶意去刷！

所以他不是你说的相同的IP在很短的时间内不计算在内，而是做了一个IP最多只增加两次阅读类似的机制，或者还有更深一层次的，比如第二天IP清空，然后这个统计算法变成了每一天每一个IP都有两次阅读次数增加的机会

所以我觉得只要你认为这个符合你系统的业务设计就是合理的，没有标准答案！

chenjunbiao

4253916

发布于
2016-05-12

用session吧，简单好用。
例如我昨天就会用这个来统计：

    // 文章访问量统计
    $article_id=$_GET['id'];
    setcookie("ready_".$article_id,"1",time()+864000);//设置一天访问量+1
    if(!isset($_COOKIE["ready_".$article_id])){
        require_once("db.php");
        $sql_ready_add = "update article set ready=ready+1 where id=".$article_id;
        $result_ready_add=$mysqli->query($sql_ready_add);
    }