JetBrains Rider 2025.2 Help

数据共享

收集和分析功能使用统计数据对我们开发 JetBrains Rider 帮助很大。 我们利用关于最常用和最不常用功能与技术的洞察,以及跟踪性能改进,以优先考虑用户最需要的功能。

我们重视与我们分享的信息,并谨慎对待,确保不记录任何个人或敏感数据。

配置数据共享

选中 发送使用统计数据 复选框,允许 JetBrains 收集您在使用 JetBrains Rider 时操作的功能和行为的匿名统计信息。

数据共享对话框

选中 在使用 EAP 版本时发送使用统计数据 复选框,以允许 JetBrains 收集您在使用 JetBrains Rider 时的功能和操作统计数据。

EAP 版本中的数据共享对话框

非商业协议条款假定 IDE 可能会向 JetBrains 发送与您使用 IDE 功能相关的匿名统计数据(IDE 遥测)。 这些信息可能包括但不限于您使用的框架和文件模板、调用的操作以及与 IDE 功能的其他交互。 此信息不包含个人数据。 有关详细信息,请参阅 第 4 节。 订阅协议的合规监控和统计。

插件的数据收集

JetBrains Marketplace安装的第三方插件可能会独立实施使用数据收集,且 JetBrains Rider 设置无法控制这些数据收集。 请参考插件作者的页面或文档,了解更多具体信息。

收集数据的类别

本节概述了 JetBrains 在获得您的明确同意后收集的具体数据示例。 这不是一个详尽的列表,而是我们跟踪的一些重要数据点的快照,以改进我们的产品并更好地服务于用户。

已安装的库和插件

我们可能会记录常用插件(如 Markdown)的安装情况,以及流行的库和框架(如 OpenAPI)等。

然而,我们不会收集关于少量用户使用自定义库和插件的信息。

文件扩展名和项目大小

有关文件扩展名的信息有助于我们识别在 解决方案s 中使用的编程语言,而项目目录中文件的大致数量使我们能够了解项目的规模,并有助于我们进行 IDE 性能分析。

我们不会收集与您的代码或自定义输入相关的任何信息,如书写的代码、搜索输入或查询。 因此,您的机密性保持不变。

功能使用

使用情况指标包括在 JetBrains Rider 中花费的时间、与 IDE 窗口的互动、版本控制软件,以及调用代码补全或搜索等功能。 此外,所有交互都会作为事件序列被记录。 我们使用这些数据来更好地了解我们产品的使用模式和我们集体受众的行为。

操作系统、IDE和项目设置

我们可能会收集有关 IDE 和 解决方案 设置的信息。

产品性能指标

为了提高产品性能和可访问性,我们记录了包括应用启动、索引、构建和运行配置执行时间在内的各种持续时间。

查看记录的事件

当数据共享启用时,事件会记录到一个本地文件,您可以通过以下路径从 JetBrains Rider 系统目录 查看:

语法

%LOCALAPPDATA%\JetBrains\<product><version>\event-log-data\logs\FUS

示例

C:\Users\JohnS\AppData\Local\JetBrains\Rider2025.2\event-log-data\logs\FUS

语法

~/Library/Caches/JetBrains/<product><version>/event-log-data/logs/FUS

示例

~/Library/Caches/JetBrains/Rider2025.2/event-log-data/logs/FUS

语法

~/.cache/JetBrains/<product><version>/event-log-data/logs/FUS

示例

~/.cache/JetBrains/Rider2025.2/event-log-data/logs/FUS

如果您没有看到 事件日志数据 事件日志 目录, 再次启用数据共享并重新启动 IDE。

数据保护法合规

对于数据处理,我们优先考虑匿名性和遵守数据保护法律。 我们严格区分产品使用数据和与您的名称及 JetBrains 账号相关的个人信息。 所有收集的功能使用统计数据均已匿名化,未记录任何个人或敏感数据。

鉴于我们对这些原则的坚持,通用数据保护条例(GDPR)不适用于功能使用统计。 然而,根据 ePrivacy directive ,即使收集到的信息是匿名的,我们也会征求用户对数据收集的同意。

此外,我们的数据处理程序是根据 JetBrains 隐私政策执行的,所有数据均存储和处理在欧盟的服务器上。 我们的隐私承诺适用于所有用户,无论其地理位置。

我们采用以下关键措施来确保用户数据的匿名性:

最小化数据收集

在实施之前, 我们仔细定义产品指标, 从而最大限度地减少数据收集的作用域。 任何新的数据收集计划都要经过全面审查和审批流程。

结构化数据记录

我们的数据记录遵循基于模式的方法,确保每条信息都按照预定义的结构记录。 为了保持匿名性,自定义值(例如代码字符串或搜索输入)不会被记录。

数据聚合技术

我们使用多种技术来汇总数据以保留匿名性:

  • 为了避免通过公开代码库进行潜在的去匿名化,精确值会被四舍五入(例如,项目中的文件数量)。

  • 维护包含预定义值集的允许列表,以防止报告自定义插件或库的名称。

  • 预定义模式将严格执行,以在记录之前验证报告的数据。

匿名用户标识符

用户标识符通过随机 ID 生成,并另外进行哈希和加盐处理以保持匿名性。

处理无效数据

我们为由于验证规则和实践而无法记录的任何报告数据设置占位符。

持续的流程改进

我们的流程通过测试和代码审查不断优化,以验证目的并确保每次数据收集的匿名性。

最后修改日期: 2025年 9月 26日