路径分析函数--ByteHouse云数仓版-火山引擎

文档中心

立即注册

导航

路径分析函数

最近更新时间：2025.06.06 15:23:30首次发布时间：2025.06.06 15:23:30

本文介绍路径分析函数的基础概念和函数的基本用法。

功能概述

业务场景

路径分析函数适用于选定一段时间范围，分析此时间范围内用户行为路径，在前端展示效果大致如下：

路径分析计算逻辑简介：

先使用 pathSplit 生成每个用户所有的路径组合成的数组。
再使用 **array join **将单个用户单行包含所有路径的二维数组展开成多行单个路径。
再使用 pathCount 统计所有用户的路径转化情况。

基础概念

事件（event）：发生的事件，在此语境下，也指在路径分析图中展示的页面访问节点。
属性（prop）：相当于给对应事件打上 tag。
层级（level）：也可理解为图中的路径深度，超过 x 个节点截断路径。
节点（node）：在路径分析的语境下，每个节点即为一个页面。
边（edge）：页面 1 到页面 2 的访问路径。

函数释义

pathSplit()

使用 pathSplit 生成每个用户所有的路径组合成的数组。

pathSplit(session_time, level)(timestamp, event, prop)

输入参数：

session_time：路径分析的时间窗口，单位和timestamp 保持一致，下例中为 600 秒，也即只计算首个event 发生后 10 分钟内形成的路径。
level：路径深度，超过 x 个节点截断路径。
timestamp：**时间戳 **所在列，需要先转换成时间戳，再转换成 Uint64 格式。
event：事件列，仅支持数值类型，需要通过 multiIf 显式指定。如下例中的：multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0003', 3, 0) AS e。
prop：属性列，没有时传 '' 占位。

输出参数（中间结果）：
返回二维数组：[(e1, p1), (e2, p2), (e1, p2)]

(ex,px)：对应事件流，即此条path上发生的事件。
e：事件，对应event 列中 multiif定义的事件编号。
p：事件对应属性，对应prop。

pathCount()

使用 **arrayjoin **将单个用户单行包含所有路径的二维数组展开成多行单个路径，然后再使用 pathCount 统计所有用户的路径转化情况。示例如下：

pathCount(y, x)(path, cnt1, cnt2)

SELECT pathCount(3, 3)(path, 1, cnt)
FROM
(
 SELECT
 path AS path, count() AS cnt
 FROM
 (
 SELECT arrayJoin(pathSplit(600, 3)(toUInt64(toUnixTimestamp(LOG.EventTime)), multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0004', 3, 0) AS e, '')) AS path
 FROM LOG
 WHERE (EventTime >= '2022-06-01 00:00:00') AND (EventTime < '2022-06-02 00:00:00') AND (EventName IN ('E0001', 'E0002', 'E0004')) AND (Visitor = 964049)
 GROUP BY Visitor
 )
 GROUP BY path
)

pathCount 返回界面展示需要的数据，x 表示横向的路径深度（如下图为 4 列），前端展示需要的数据是每个浅蓝色方块代表的 node 和浅蓝色方块之间的边 edge，二者均由 pathCount 输出。

y：纵向单层展示深度，如上图中黄色圈的部分，即 y = 5；
x：横向路径深度，超过 x 个节点截断路径，如上图中 x = 4；
path：pathSplit的返回 path 列（需通过 arrayJoin 展开）；
cnt1：路径权重 1，通常直接传 1 就行，用于计算路径去重后的次数；
cnt2：路径权重 2，通常传pathSplit子查询里的 count()求出的 cnt ，用来求路径不去重的总次数。

返回格式：

返回格式为 3 元组 ([node_index],[nodes], [edges])，通过此结果集组成一张页面路径转化的流图。
node_index：格式为：(event, prop) ，事件节点展示。
- event 为事件的下标编号，若之前 pathSplit 时 event 填写 multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0004', 3, 0)，则此时返回 1 对应 'E0001' ，2对应 'E0002'，3对应 'E0004'；
- prop为 pathSplit 传入的 prop。
nodes：二维数组。表示每个节点在各层级（level，下标从 0 开始）出现的去重次数、次数，格式为：(level, node_index, cnt1, cnt2)。
- level：当前节点所处的层级；
- node_index：事件的 index，参考 node_index 数组中和事件的映射关系；
- cnt1：节点访问的去重次数；
- cnt2：节点访问的次数。
edge：二维数组，每条边在各层级出现的去重次数、次数，格式为：(level, from_node_index, to_node_index, cnt1, cnt2)。
- level：层级，即输入的 x；
- from_node_index：来源节点，参考 node_index 数组中和事件的映射关系；
- to_node_index：目标节点，参考 node_index 数组中和事件的映射关系；to_node_index 用 65535 标记 from_node_index 已经是终点的情况，即用户进行到这个事件之后流失的情况；
- cnt1：节点访问的去重次数；
- cnt2：节点访问的次数。

使用示例

示例模型

如下示例用表是由用户行为事实表 Log 和用户维度表 User 组成常用的星型模型，后文将基于此表演示留存分析函数的具体用法。

CREATE TABLE -- 事件日志表
  default.LOG (
    `Visitor` UInt32,
    `EventName` String,
    `EventTime` DateTime,
    `Province` String,
    `City` String
  ) ENGINE = CnchMergeTree
  ORDER BY Visitor;
  
  CREATE TABLE -- 用户表
  default.User (
    `Visitor` UInt32,
    `Fvisit_Time` DateTime,
    `Fvisit_Province` String,
    `Fvisit_City` String
  ) ENGINE = CnchMergeTree
  ORDER BY Visitor;

页面路径分析

该示例指定一个用户 Visitor = 964049 来说明。
该示例为 2022/6/1-2022/6/2 中，发生 'E0001', 'E0002', 'E0004' 事件的路径数据，展示发生事件后 10 分钟内的页面信息，展示的页面路径深度为 3 层。
首先通过 pathSplit 计算中间结果：

SELECT Visitor,pathSplit(600, 3) (toUInt64(toUnixTimestamp(LOG.EventTime)), multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0004', 3, 0) AS e, '') AS path
FROM LOG
WHERE (EventTime >= '2022-06-01 00:00:00')
  AND (EventTime < '2022-06-02 00:00:00')
  AND (EventName IN ('E0001', 'E0002', 'E0004'))
  and Visitor = 964049
GROUP BY Visitor

--返回：
┌─Visitor─┬─path────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│  964049 │ [[(1,''),(2,''),(3,'')],[(1,'')],[(1,''),(2,''),(3,'')],[(1,''),(2,''),(2,'')],[(1,'')],[(1,'')],[(1,'')],[(1,''),(3,''),(3,'')],[(1,''),(2,''),(3,'')],[(1,''),(1,''),(3,'')],[(1,'')],[(1,''),(2,''),(3,'')],[(1,'')],[(1,''),(2,''),(2,'')]] │
└─────────┴─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

再通过 arrayJoin 把单行的 path 返回的二维数组表示的多条 path 展开成多行单条 path，计算每一条 path 出现的次数。

SELECT path    AS path,
             count() AS cnt
      FROM (SELECT arrayJoin(pathSplit(600, 3)(toUInt64(toUnixTimestamp(LOG.EventTime)), multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0004', 3, 0) AS e, '')) AS path
            FROM LOG
            WHERE (EventTime >= '2022-06-01 00:00:00')
              AND (EventTime < '2022-06-02 00:00:00')
              AND (EventName IN ('E0001', 'E0002', 'E0004'))
              and Visitor = 964049
            GROUP BY Visitor)
      GROUP BY path
 --返回
┌─path───────────────────┬─cnt─┐
│ [(1,'')]               │   6 │
│ [(1,''),(1,''),(3,'')] │   1 │
│ [(1,''),(2,''),(3,'')] │   4 │
│ [(1,''),(2,''),(2,'')] │   2 │
│ [(1,''),(3,''),(3,'')] │   1 │
└────────────────────────┴─────┘

再通过 pathCount 计算出最终的 3*3 结果（路径深度为 3，同时每层至多展示的节点为 3 个）：

SELECT pathCount(3, 3) (path, 1, cnt)
FROM (SELECT path    AS path,
             count() AS cnt
      FROM (SELECT arrayJoin(pathSplit(600, 3)(toUInt64(toUnixTimestamp(LOG.EventTime)), multiIf(EventName = 'E0001', 1, EventName = 'E0002', 2, EventName = 'E0004', 3, 0) AS e, '')) AS path
            FROM LOG
            WHERE (EventTime >= '2022-06-01 00:00:00')
              AND (EventTime < '2022-06-02 00:00:00')
              AND (EventName IN ('E0001', 'E0002', 'E0004'))
              and Visitor = 964049
            GROUP BY Visitor)
      GROUP BY path )
--返回
┌─pathCount(5, 3)(path, 1, cnt)─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ ([(1,''),(3,''),(2,'')],
[[0,0,5,14],[1,0,1,1],[1,1,1,1],[1,2,2,6],[2,1,3,6],[2,2,1,2]],
[[0,0,0,1,1],[0,0,1,1,1],[0,0,65535,1,6],[0,0,2,2,6],[1,2,2,1,2],[1,1,1,1,1],[1,0,1,1,1],[1,2,1,1,4]]) │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

结果为：

node_index：[(1,''),(3,''),(2,'')]，表示事件编号映射为 0->1(E0001),1->3(E0004),2->2(E0002)
nodes：[[0,0,5,14],[1,0,1,1],[1,1,1,1],[1,2,2,6],[2,1,3,6],[2,2,1,2]]
- 第 1 层，[0,0,5,14]
  - 仅一个节点“事件 1”，即 E0001；
  - 该节点的去重访问次数为 5，总访问次数为 14。
- 第 2 层，[1,0,1,1],[1,1,1,1],[1,2,2,6]
  - 发生了三个事件：E0001，E0004，E0002
  - 3个节点的去重访问次数为 1,1,2；总访问次数为 1,1,6
- ....
edge：[0,0,0,1,1],[0,0,1,1,1],[0,0,65535,1,6],[0,0,2,2,6],[1,2,2,1,2],[1,1,1,1,1],[1,0,1,1,1],[1,2,1,1,4]
- 第一层，存在以下几条边：
  - 0->0：即 'E0001'->'E0001'，1 个访问；
  - 0->1：1 个访问；
  - 0->65535（即已经是终点），1个去重访问；
  - 0->2，2个去重访问。
- 第二层，存在以下几条边：
  - 2->2，1 个去重访问；
  - 1->1，1 个去重访问；
  - 0->1，1 个去重访问；
  - 2->1，1 个去重访问。
可以将结果信息补充为页面路径分析，如