我有一个网页浏览数据列表,我试图转换成一个会话。
来自用户的示例数据集:
time_millis Type Result
07/10/2015 08:31 1 0
07/10/2015 08:41 1 0
07/10/2015 08:48 2 0
07/10/2015 08:50 2 0
07/10/2015 09:11 2 1
07/10/2015 09:14 3 0
07/10/2015 09:15 1 0
07/10/2015 09:17 1 0
07/10/2015 10:31 1 0
07/10/2015 10:33 1 0
07/10/2015 10:36 1 0
07/10/2015 18:57 1 1
我正在努力实现:
time_millis Type Result Session
07/10/2015 08:31 1 0 1
07/10/2015 08:41 1 0 1
07/10/2015 08:48 2 0 2
07/10/2015 08:50 2 0 2
07/10/2015 09:11 2 1 3
07/10/2015 09:14 3 0 4
07/10/2015 09:15 1 0 4
07/10/2015 09:17 1 0 4
07/10/2015 10:31 1 0 5
07/10/2015 10:33 1 0 5
07/10/2015 10:36 1 0 5
07/10/2015 18:57 1 1 6
我想按每个用户的15 minute
窗口划分会话,并且如果'Type'
改变了,还创建一个新会话。
我试过使用下面的代码,虽然我不认为它执行如我所愿:
CONDITIONAL_TRUE_EVENT("time_millis" > coalesce(lag("time_millis"), 1)
+ 900000 OR type != LAG(type,1)) OVER (PARTITION BY user ORDER BY
time_millis) AS session_id
您可以将时间分成4个15分钟的桶,并将当前桶与事件检查中的上一个桶进行比较。
将时间缩减为分钟,减去时间mod 15分钟,将其放入15分钟桶中。最初我认为只是做div只在分钟,但如果你有一个小时的差距,它会打破,所以你需要包括完整的时间戳。
TRUNC("time_millis",'MI') - (EXTRACT(MINUTE FROM "time_millis") % 15) * interval '1 minute'
在你的公式中…
CONDITIONAL_TRUE_EVENT("time_millis" > coalesce(lag("time_millis"), 1) + 900000
OR type != LAG(type,1)
OR TRUNC("time_millis",'MI') - (EXTRACT(MINUTE FROM "time_millis") % 15) * interval '1 minute' != TRUNC(LAG("time_millis",1),'MI') - (EXTRACT(MINUTE FROM LAG("time_millis",1)) % 15) * interval '1 minute')
OVER (PARTITION BY user ORDER BY time_millis) AS session_id
另一个想法是,只有当最后一个事件距离当前事件超过15分钟时才更改事件。这真的取决于你想做什么,但我认为这可能也很有用。取diff,提取epoch(总秒数)除以60得到分钟。
EXTRACT(EPOCH FROM ("time_millis" - LAG("time_millis",1)))/60 > 15
在你的公式中…
CONDITIONAL_TRUE_EVENT("time_millis" > coalesce(lag("time_millis"), 1) + 900000
OR type != LAG(type,1)
OR EXTRACT(EPOCH FROM ("time_millis" - LAG("time_millis",1)))/60 > 15)
OVER (PARTITION BY user ORDER BY time_millis) AS session_id