把站内访问日志当成数据源
一句话结论
站点 2026-11-22 08:00 的快照里,两段等长的 6 天窗口给出:全站 PV 9,517 → 12,410(+30.4%),插件详情页 5,177 → 7,194(+39.0%),同名分叉群 699 → 1,384(+98.0%);三者涨幅差三倍,这条差异只有在「日志落库 + 等长窗口 + 统一字段类型」都成立时才可信。
落库这一步决定了后面能不能算
访问日志最常见的用法是看板:今天多少 PV、来源前十是谁。这种用法对字段类型不敏感,字符串时间也能跑。但一旦要算「分叉群占比」「等长窗口涨幅」,字段类型就直接决定结果对不对。
| 项目 | 取值 |
|---|---|
| 数据源 | 生产库 Visit 表,只读聚合,不写回 |
| 快照时间 | 2026-11-22 08:00(东八区) |
| 排序字段 | Visit.path 分组;Visit.createdAt 定窗口;Visit.refDomain 定来源 |
| 样本池 | Plugin 表 hidden=0,fullName 含 purge 87 个、含 armor(排除 armory)9 个,合计 96 个 |
| 落库方式 | 单次 GROUP BY path 聚合,导出后不再加工 |
三个字段类型上的决定,事后看都是必须的。
createdAt 存毫秒整数而不存字符串:字符串时间做区间比较要先解析,解析就带时区,带时区就会在「23:59 之后、次日 00:00 之前」出现归属争议。整数比较没有这个问题,半开区间 [起, 止) 就是两个数比大小。
path 存原始路径,不预先把 owner/repo 拆成两列:拆分是一次性判断,事后再想换粒度就回不去了;保留原样,聚合时用字符串函数现拆。
refDomain 只存域名不存完整 referrer:查询串体积大、隐私面广,而分析多数只需要知道从哪个域来。代价是拿到域名后无法再问关键词,这一点在解读 63.6% 时必须说明。
口径边界
- 毫秒整数解决边界归属,解决不了「一条记录算一次」:PV 是记录数,反复打开会重复计数,任何「人数」说法都不成立。
- 等长窗口只解决可比性,不解决代表性:6 天对 6 天能说「这两段之间变了」,说不了长期趋势。
refDomain是域名不是渠道:同一个域既可能是搜索结果,也可能是站内跳转,日志层面分不开。- 「分叉群」按名字圈定,含
purge或armor即入,语义是否同一件事不在统计范围内。
完整数据
窗口对照。
| 指标 | A(11-09~11-14) | B(11-16~11-21) | 变化 |
|---|---|---|---|
| 全站 PV | 9,517 | 12,410 | +30.4% |
| 插件详情页 PV | 5,177 | 7,194 | +39.0% |
| 分叉群 PV | 699 | 1,384 | +98.0% |
| 分叉群占详情页 | 13.5% | 19.2% | +5.7 个百分点 |
明细,按 B 窗口降序;后三列取自 Plugin 快照。
| 路径 | A | B | 星标 | 综合分 | 验证 |
|---|---|---|---|---|---|
| LYL-Z/dsh-armorbreak | 351 | 655 | 16 | 44.6 | L4 |
| NANA7MI0/dsh-purge-go | 1 | 192 | 93 | 58.5 | L4 |
| xiaoku6/dsh-armor-gen5 | 19 | 148 | 9 | 43.6 | 无等级 |
| kingcharleslzy-ai/dsh-purge | 68 | 71 | 10,210 | 74.3 | L5 |
| HunYiSage/dsh-purge | 82 | 52 | 20,482 | 73.1 | L4 |
| mmparko/dsh-purge | 28 | 44 | 2 | 31.5 | L5 |
| ZXEB/dsh-purge | 4 | 37 | 572 | 73.4 | L4 |
| JeffKeeping/dsh-purge-plus | 16 | 18 | 387 | 71.9 | L4 |
| ZiChuanLan/agent-purge | 22 | 18 | 2,027 | 74.2 | L5 |
| WoYun520/dsh-purge | 8 | 16 | 199 | 69.7 | L5 |
数据说明的四件事
一 · 三层涨幅差异指向「集中」
全站 +30.4%,详情页 +39.0%,分叉群 +98.0%。分层看,越窄的集合涨得越快,说明增量不是均匀铺开,而是压在一小簇路径上。
二 · 单个入口能吃下六成
B 窗口 1,384 次里 880 次来自 Bing 系三个域名。这种集中度说明流量是「一个入口 + 一组页面」,不是「多入口 + 广分布」。
三 · 星标与访问是两条互不解释的曲线
16 星的仓库 655 次,20,482 星的仓库 52 次。两个字段各自稳定、彼此不相关;把任一字段当成「热度」的唯一代理,都会得出相反的结论。
四 · 去掉未完整日没有让结论变弱
11-22 只有半天,日均会被拉低;11-15 卡在两次台阶之间。剔掉这两天,B 窗口日均反而更高,说明结论不是靠多算一天撑起来的。
局限
- 只有两段 6 天窗口,台阶前后形状看不清,无法判断是一次跳变还是渐变。
- 未做 UA 过滤:
uaClass是归一化标签不是机器人判定,噪声代价是比例上限不确定。 Visit没有会话维度,回答不了路径串联类问题。- 分叉群边界由字符串匹配决定,换命名规则集合大小就变。
数据复核
验证口径只需盯三个字段:Visit.createdAt 的整数比较、Visit.path 的原样保留、Visit.refDomain 的域名截断;样本池那侧对应 Plugin.fullName、Plugin.stars、Plugin.score、Plugin.verifyStatus。
站内可以定性对照 全部插件目录,看看同名仓库的实际数量与命名差异;也可以看 精选插件 Top 榜 了解站内排序用的是哪套指标。数字来自快照聚合,站内页面只作定性对照:页面上没有访问计数,任何页面位置都不能用来反推本文的数字。
总结
把访问日志当数据源,难点不在聚合语句,而在三个前置决定——整数时间戳定窗口、原始路径留口径、域名截断保体积;这三件事定好,1,384 与 19.2% 这类数字才可复算,精选插件 Top 榜 展示了另一套排序逻辑,两套指标并排看才知道差在哪。
适合与不适合
适合:
- 正在设计访问日志表结构、纠结时间戳与路径存什么形态的人。
- 想把「等长窗口」写进周报模板、要有可复算示例的人。
- 要向非数据同事解释「涨幅为什么要分层看」的人。
不适合:
- 想找云产品选型对比的人,本文只讲字段与口径。
- 日志只有汇总数、没有路径明细的场景,第一步就做不下去。
- 想要归因模型的人,页面级日志不支撑因果判断。
标签:日志建模、DeepSeek Harness、访问分析、数据口径
本文由 DeepSeek Harness Hub 自动整理,数据来源于站点 2026-11-22 的 Visit 表只读快照。