WINDOW_FUNNEL
WINDOW_FUNNEL
与 ClickHouse 中的 windowFunnel
类似(由同一作者创建),它在滑动时间窗口中搜索事件链,并计算事件链中的最大事件数。
该函数的工作算法如下:
-
函数搜索触发事件链中第一个条件的数据,并将事件计数器设置为 1。此时滑动窗口开始计时。
-
如果事件链中的事件在窗口内按顺序发生,计数器会递增。如果事件顺序被中断,计数器则不会递增。
-
如果数据中存在多个完成度不同的事件链,函数将只输出最长事件链的长度。
WINDOW_FUNNEL( <window> )( <timestamp>, <cond1>, <cond2>, ..., <condN> )
参数
<timestamp>
— 包含时间戳的列名。支持的数据类型:整数类型和日期时间类型。<cond>
— 描述事件链的条件或数据。必须是Boolean
数据类型。
高阶参数
<window>
— 滑动窗口的长度,即第一个条件和最后一个条件之间的时间间隔。window
的单位取决于timestamp
本身,并且是可变的。通过表达式timestamp of cond1 <= timestamp of cond2 <= ... <= timestamp of condN <= timestamp of cond1 + window
来确定。
返回值
在滑动时间窗口内,事件链中连续触发的条件的最大数量。 将分析所选范围内的所有事件链。
类型:UInt8
。
示例
确定设定的时间段是否足够用户在网上商店完成“选择手机并购买”这一系列操作。
设置以下事件链:
- 用户登录商店账户 (
event_name = 'login'
)。 - 用户访问页面 (
event_name = 'visit'
)。 - 用户将商品添加到购物车 (
event_name = 'cart'
)。 - 用户完成购买 (
event_name = 'purchase'
)。
CREATE TABLE events(user_id BIGINT, event_name VARCHAR, event_timestamp TIMESTAMP);
INSERT INTO events VALUES(100123, 'login', '2022-05-14 10:01:00');
INSERT INTO events VALUES(100123, 'visit', '2022-05-14 10:02:00');
INSERT INTO events VALUES(100123, 'cart', '2022-05-14 10:04:00');
INSERT INTO events VALUES(100123, 'purchase', '2022-05-14 10:10:00');
INSERT INTO events VALUES(100125, 'login', '2022-05-15 11:00:00');
INSERT INTO events VALUES(100125, 'visit', '2022-05-15 11:01:00');
INSERT INTO events VALUES(100125, 'cart', '2022-05-15 11:02:00');
INSERT INTO events VALUES(100126, 'login', '2022-05-15 12:00:00');
INSERT INTO events VALUES(100126, 'visit', '2022-05-15 12:01:00');
输入表:
+---------+------------+----------------------------+
| user_id | event_name | event_timestamp |
+---------+------------+----------------------------+
| 100123 | login | 2022-05-14 10:01:00.000000 |
| 100123 | visit | 2022-05-14 10:02:00.000000 |
| 100123 | cart | 2022-05-14 10:04:00.000000 |
| 100123 | purchase | 2022-05-14 10:10:00.000000 |
| 100125 | login | 2022-05-15 11:00:00.000000 |
| 100125 | visit | 2022-05-15 11:01:00.000000 |
| 100125 | cart | 2022-05-15 11:02:00.000000 |
| 100126 | login | 2022-05-15 12:00:00.000000 |
| 100126 | visit | 2022-05-15 12:01:00.000000 |
+---------+------------+----------------------------+
找出用户 user_id
在一小时的滑动窗口内,事件链可以进行到哪一步。
查询:
SELECT
level,
count() AS count
FROM
(
SELECT
user_id,
window_funnel(3600000000)(event_timestamp, event_name = 'login', event_name = 'visit', event_name = 'cart', event_name = 'purchase') AS level
FROM events
GROUP BY user_id
)
GROUP BY level ORDER BY level ASC;
提示
event_timestamp
的类型是 timestamp,3600000000
表示一小时的时间窗口。
结果:
+-------+-------+
| level | count |
+-------+-------+
| 2 | 1 |
| 3 | 1 |
| 4 | 1 |
+-------+-------+
- 用户
100126
的层级为 2 (login -> visit
) 。 - 用户
100125
的层级为 3 (login -> visit -> cart
)。 - 用户
100123
的层级为 4 (login -> visit -> cart -> purchase
)。