同一天 CDN 日志 100 万条请求，GA4 会话 18 万，差 82 万，老板问是不是统计坏了。乍看像缓存或者权限的锅，追下去往往不是。
awk '$0 ~ /text\/html/ {n++} END {print n}' access.log
# 再按 UA 排除 bot 后统计一次
追下去是这么回事：日志里包含图片、JS、预取请求和爬虫，统计只记 HTML 页面且要执行 JS。两类数据口径本来就不同，直接相减没有意义。
「CDN 日志差异」这类改动最怕改一半，回滚脚本先准备好，再动生产。接口问题先分清是没发出去、发出去了没收到，还是收到了处理失败。
偶发问题先统计频率，一小时几次和一天一次，查法完全不同。改完顺手把文档补一句，省得下次自己重新推一遍。
监控和日志的时间要对上，时区不一致会多绕很大一圈。临时改动用注释写上日期和原因，过两周自己都记不清为什么这么写。
具体做法是，日志先按 content-type 过滤，只留 text/html；排除已知爬虫 UA 和监控探针；统计只对比页面请求，不算静态资源；把对齐后的口径写进报表说明。
验收就看一点，过滤后的页面请求数和统计会话数差距缩到 15% 以内，差额能用爬虫解释。