为了标准化 iOS 和 Android 平台的事件工具，Uber 工程团队重新设计了其移动分析架构，解决了所有权分散、语义不一致和跨平台数据不可靠的问题，目标是简化工程工作，提高数据质量，并为骑手和司机应用的产品和数据团队提供可靠的洞察。
根据 Uber 工程师的说法，移动分析对于决策、功能采用和衡量用户体验至关重要。随着应用程序和团队的增长，工具变得分散。功能团队独立定义并发出事件，共享 UI 组件常常缺乏分析钩子，类似的交互在不同的团队中有不同的记录方式。其结果是，超过 40%的移动事件属于自定义或临时事件，这不仅增加了分析复杂度，还降低了聚合指标的可信度。
为了应对这些挑战，工程师将核心分析职责从功能级代码转移到了共享基础设施。他们与产品、设计和数据科学团队合作，定义了点击、展示和滚动等标准事件类型。这些事件基于共享模式通过代码生成，在 UI 组件层进行监控，通过集中式报告层输出，由后端服务进行数据增强，并通过 Uber 的分析管道进行消费。
Uber 移动分析系统架构（图片来源：Uber博客）
其中一项关键决策是将分析逻辑嵌入到平台级 UI 组件中。工程师引入了分析构建器，用于管理事件生命周期、元数据附件和事件发出逻辑，使功能团队可以开展标准化的分析工作而无需编写自定义工具。他们对包含 100 个展示记录组件的示例应用做了性能测试，结果显示，CPU 使用率或帧率没有退化，这是在性能敏感设备上推广该工具的先决条件。
ImpressionAnalyticsBuilder 类事件生成的数据流图（图片来源：Uber博客）
该平台还实现了常见的元数据收集。应用级元数据（如接送地点或餐厅 UUID）会自动记录，而事件类元数据（包括列表索引、行标识符、滚动方向和视图位置）则由 AnalyticsBuilder 捕获。界面通过 Thrift 模型实现了标准化，可以确保容器视图、按钮和滑块的日志记录保持一致。
分析元数据金字塔概览（图片来源：Uber博客）
为了验证平台有效性，工程师通过新旧 API 对两个功能进行了 dual-emitted 分析。查询结果表明，跨平台事件量、元数据及界面是匹配的，而像滚动开始/停止计数和视图位置等语义也保持了一致。试点应用揭示了平台和记录方法的差异，并突出了列表增强的好处——将多个行事件合并为单个标准化事件，简化了查询并提高了可测试性。功能团队还采用了可见性检查机制，减少了自定义实现。
试点应用之后，Uber 分析团队进行了旧事件到标准化 API 的迁移，使得产品团队可以专注于他们的路线图。在需要支持的地方，他们创建了自动化脚本，扫描 iOS 和 Android 代码，评估高优先级事件，并生成适合迁移的列表。平台团队还添加了一个 linter，目的是拦截使用非标准 API 新建的点击或展示事件，防止它们进一步漂移。根据工程师的反馈，跨平台一致性得到提升，元数据和语义保持了统一，工具代码量减少，展示计数更可靠，并实现了可扩展的开箱即用 UI 交互覆盖功能。
展望未来，Uber 工程师正在通过组件化增强分析功能，为按钮和列表等 UI 元素分配唯一 ID，以便标准化事件命名和元数据，进一步减少开发人员的工作量。
原文链接：
https://www.infoq.com/news/2026/01/uber-mobile-analytics-platform/
