网站统计访问次数：先弄清这3个口径

同一套代码，两个后台报出来的访问次数能差一倍，这事太常见了。多半不是哪家的程序坏了，问题在于两边的统计对象根本不同：一个数页面被翻开了多少次，一个数来了多少人，还有一个数的是请求条数。所以在动手做网站统计访问次数之前，先把口径掰扯清楚，比换工具、加代码都管用。

网站统计访问次数，先分清 PV、UV、IP 这三样

PV 是页面浏览，刷新一下算一次，一篇文章分三页读完就是三个 PV，它衡量的是内容被翻开的动作，跟人数没关系。UV 是独立访客，靠 cookie、本地存储或者设备指纹去重，同一个人换了浏览器、清了缓存、手机从 wifi 切到 4G，很可能又被当成一位新访客。IP 就更粗，按出口地址去重：一个公司几十号人共用一个出口，日志里只看到一个 IP；反过来家里重启个光猫，地址可能就变了。所以这三个数的关系不是谁大谁小那么简单，PV 一般最大，UV 和 IP 谁多谁少全看场景。你要是拿 IP 数去报“今天来了多少人”，早晚要出笑话。

时间口径没对齐，昨天的数据就是两回事

服务器时区可以不一样。系统装完默认 UTC，面板显示的是东八区，中间差着 8 小时，你眼里的“昨天”，在日志里可能被切成两段。nginx 日志按天轮转，文件名换了时间戳未必跟着换，凌晨那批访问到底算哪天，得看配置里是怎么写的。往下还有会话超时这一层：常见埋点工具默认 30 分钟没动作就重新算一个会话，有的干脆按自然日去重，晚上 11 点 40 进来逛到 0 点 10 分，两边能差出一个人来。要做同比环比，先把时区、日志切分点、会话规则这三样对齐，不然比来比去都是自欺欺人。

一半的“访问”根本不是人

翻 access.log 的时候，大部分行其实不是真人点出来的。搜索引擎蜘蛛天天来，User-Agent 里带着 baiduspider、Googlebot 的一抓一大把；扫描器更勤快，成天拿 /.env、/wp-login.php 这类路径试探，一次扫描能刷出几百行；还有你自己挂的监控探针，几分钟拨一次，一天下来次数也不小。这些在日志里都算请求，在埋点工具里往往不算，因为大部分爬虫和扫描器根本不执行 JS。真人这边反过来，浏览器装了拦截插件把统计脚本拦掉，埋点又漏了。于是就出现那种怪现象：日志里数字很大，报表里数字很小，两边都没撒谎，只是统计的对象不一样。

服务器日志和 JS 埋点，数的不是一个东西

nginx 的 access.log 是一请求一行，一个页面带上十几二十个 js、css、图片，就是十几二十行记录。拿 wc -l 数出来的行数，是请求数，不是页面数，更不是人数。想数独立 IP，得先把第一列抽出来去重，命令是 awk ‘{print $1}’ access.log | sort -u | wc -l。想看某篇文章被翻了多少次，grep -c “/article/123” access.log 在伪静态路径规整的站上好使，带一堆查询串的就费劲了。埋点那边逻辑简单，脚本跑起来上报一次，页面浏览加一，不跑就没有。好处是干净，坏处是被拦、被屏蔽、被爬虫绕过的时候一律统计不到。上了 CDN 之后还有第三层，边缘节点有自己的一套计数，回源日志自然少一大截，两边的数字对着看能对上才怪。

控制台的流量图，别拿去当次数用

服务商后台那张带宽曲线，单位是字节，不是次数。同一个访客多点开几张高清大图，流量往上走，访问次数一点没变。有些面板把静态资源请求、接口调用统统算进“请求数”，数字看着挺唬人，折成人头可能没多少。这类图适合看趋势、看有没有异常峰值、看带宽够不够用，别拿去写日报里的“今日访问量”。

定一条基准线，之后只跟自己的历史比

绝对值这东西，不同工具之间本来就没有可比性。与其纠结哪个数才是对的，不如挑一个口径当基准，自建日志也行、第三方统计也行，选定了就别轻易换。换工具、改版、上 CDN、搬服务器，这些动作都会让曲线断一下，动手之前在本子上记一笔，后面对比的时候心里才有底。看趋势比看绝对值靠谱：这周比上周多两成，可能是内容被转了，也可能是蜘蛛突然勤快；但要是日志和埋点同时在涨，那大概率是真有人来。

最后给个能照着做的顺序：三个数一起看，别单拎一个；时区、切分点、会话规则先对齐；把蜘蛛、扫描器、内部 IP 和自己的拨测剔掉，再谈人数；然后锁死一个口径，往后只跟自己比。数字对不齐是常态，只要变化方向一致，就不用半夜爬起来查服务器。