Google 处理采集数据的一些分析

点击跟踪

Google logs 把全部用户在其服务产品上的引导点击（广告，行动，功能点击等等）都记录起来。

形式 -随着用户输入数据的形式直接进入（用户名，密码等），Google 记录了时间和日期以及提交的位置。

注册 Google 帐号时的表单

输入类型是隐藏的，使用户不会看到或进入特定领域的数据

向用户发送后提交 （隐藏） 的位置

输入类型是隐藏的，所以用户不会看到或进入到特定数据里头。

用户使用引用数据，并通过表格获得怎样才把”注册”放在什么位置用户会点击

Cookies

Google 把它所有网站属性的 Cookie 都用上了，此外，他还留下了广告 Cookie 来跟踪用户在网站上的行为。通过这种方法，Google 就可以在有 doubleclick 和AdSense 广告的网站下跟踪该网站上任何一个用户的网站行为。

存储的cookies列表

存储在日志文件的服务器请求

每一个向 Google 服务器发出的请求都存储在日志文件里头，而存储的内容取决于发出请求的类型。

日志文件

URL - http://www.google.com/search?hl=en&q=seomoz&ie=UTF-8

从用户付出的请求而获得的 IP 地址，可以根据这个IP 地址定位该用户的具体地理位置。

日期，时间和时区偏移的用户

用户的语言

用户的操作系统

用户的浏览器

其他信息就没有那么重要但是必须具体的描述向服务器发出的请求，服务器的响应和转译引擎。

Javascript

Google 有小部分的 JavaScript 已经嵌入到互联网上众多的网站上面。当用户的浏览器执行背景中的脚本时候，Google 就能够知道很多关于这个用户浏览习惯等重要信息（地理位置，操作系统，浏览器类型和版本等）

网站信标

Google 向很多结算屏幕嵌入小尺寸的透明 gif 图片，就好像 JavaScript 一样，一个用户下载隐形的图片并且向 Google 发送他们的电脑信息。

网站信标样例（什么？你看不到？这才是重点）

了解一下 Google 是怎样处理这些数据

存储

Google 使用一个内部数据库叫 BigTable 扩展到近乎 100W 个服务器

Google Data In 2006

Data

Size (TB)

Crawl Index

800

Google Analytics

200

Google Base

2

Google Earth

70

Orkut

9

Personalized Search

4

这压缩的数据的大小接近 TB（1024GB）。而 Google 透露的数据大小超过 1PB（1048576GB）。这甚至不需要考虑 AdSense，Gmail，Google Map，街景，Google图片，或者其他私有数据库。并且这些数据都是超过2年前的。

大量的数据分析

这就有点像 Charlie and the Chocolate Factory （电影《查理与巧克力工厂》）。我们都知道有很多数据都进入到 Google 那里，我们也知道有大量处理好的数据会导出来。我们就只是不知道两者之间是发生了什么，是怎么转换的。

我们也知道 Google 本身有很多运算法则组织他的数据，Page Rank 就是最出名的了。据说，Google 也有很多复杂的 spam 的过滤系统，内容复制过滤系统，类型侦查运算法则，自然语言解析程序，图像识别软件，和其他大量的复杂的软件。

永久备份

Google 上的数据最终的栖息地可能会在永久存储。Google 的隐私政策提示某些用户数据永远都不会完全被删除，因为已经被永久的备份。

理解Google收集特定用户的数据情况

以下都是一些当用户与很多网站交互的时候 Google 收集到的用户的资料的清单列表。这意味着其实有更多的数据被 Google 收集而却又没有公开的。不过其实无知就是幸福，当你看完之后，你或许会感觉很不爽：

Google用户数据收集情况汇总：Google用户数据收集情况汇总

你能相信 Google 会帮你保密一切信息么？ 你敢相信 Google 会遵守所有保密要求么？

原文地址：http://semwatch.org/2009/11/evil-of-google-data