1.0.22 • Published 11 months ago
@dmhsq_monitor/processor v1.0.22
@dmhsq_monitor/processor
监控数据处理器模块,提供数据聚合、去重、IP收集和错误分组等功能。
安装
npm install @dmhsq_monitor/processor功能
- 数据去重:识别并过滤重复的监控事件,避免数据冗余
- 数据聚合:将相似的错误事件进行分组聚合,减少存储空间并提高分析效率
- 数据增强:自动收集用户IP和地理位置信息,丰富监控数据
- 数据处理:提供自定义处理器接口,支持灵活的数据处理逻辑
使用示例
基本使用
import { Processor } from '@dmhsq_monitor/processor';
import { Monitor, EventType } from '@dmhsq_monitor/core';
// 创建监控实例
const monitor = new Monitor();
monitor.init({
appId: 'your-app-id',
serverUrl: 'https://your-server.com/collect'
});
// 创建处理器实例
const processor = new Processor();
processor.init({
enableDeduplicate: true,
collectUserIp: true,
collectGeoInfo: true,
mergeSimilarErrors: true
});
// 处理事件
monitor.on('beforeReport', async (events, context) => {
// 批量处理事件
const processedEvents = await processor.batchProcess(events, context);
return processedEvents;
});
monitor.start();自定义处理器
import { Processor } from '@dmhsq_monitor/processor';
import { EventType } from '@dmhsq_monitor/core';
const processor = new Processor();
// 初始化处理器
processor.init({
// 启用自定义处理器
customProcessors: [
// 过滤无效的错误
(event, context) => {
if (event.type === EventType.ERROR && !event.data.message) {
return null; // 返回null表示过滤掉该事件
}
return event;
},
// 添加自定义标签
(event, context) => {
return {
...event,
data: {
...event.data,
tags: ['production', 'v1.0.0']
}
};
}
]
});配置选项
| 选项 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| enableDeduplicate | boolean | true | 是否启用重复数据去重 |
| deduplicateWindow | number | 1800000 | 重复数据检测时间窗口(毫秒,默认30分钟) |
| collectUserIp | boolean | true | 是否收集用户IP |
| collectGeoInfo | boolean | false | 是否收集地理位置信息 |
| mergeSimilarErrors | boolean | true | 是否合并相似错误 |
| customProcessors | function[] | [] | 自定义数据处理函数 |
处理流程
数据处理器的工作流程如下:
- 去重过滤:识别并过滤重复的事件
- 数据增强:添加IP、地理位置和浏览器信息
- 自定义处理:应用用户定义的处理器
- 错误聚合:对相似的错误进行分组
注意事项
- 地理位置信息收集依赖外部服务,可能会有性能影响
- 默认情况下,30分钟内的重复错误会被合并
- 在客户端使用时请考虑用户隐私政策的合规性
1.0.22
11 months ago
1.0.21
11 months ago
1.0.20
11 months ago
1.0.19
11 months ago
1.0.18
11 months ago
1.0.17
11 months ago
1.0.16
11 months ago
1.0.15
11 months ago
1.0.14
11 months ago
1.0.13
11 months ago
1.0.12
11 months ago
1.0.11
11 months ago
1.0.10
11 months ago
1.0.9
11 months ago
1.0.3
12 months ago
1.0.1
12 months ago
1.0.0
12 months ago