這篇文章將為大家詳細講解有關(guān)ClickHouse是如何提高留存計算速度，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。
創(chuàng)新互聯(lián)堅持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的冷水灘網(wǎng)站設(shè)計、移動媒體設(shè)計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！
關(guān)于用戶留存是各大數(shù)據(jù)分析平臺必不可少的功能，企業(yè)一般用留存率衡量用戶的活躍情況，也是能直接反應(yīng)產(chǎn)品功能價值的直接指標(biāo)，留存率是衡量用戶質(zhì)量的最重要指標(biāo)之一，因此計算各種留存率是數(shù)據(jù)分析取數(shù)的最底層的基本功。所以下面舉幾個用戶留存分析的實戰(zhàn)例子。
了解目前留存率幾種常規(guī)計算方法、了解ClickHouse提供retention(cond1, cond2, …)函數(shù)計算留存率
建表：用戶基本信息表：login_event
CREATE TABLE login_event --用戶登錄事件 ( `accountId` String COMMENT '賬號的ID', --用戶唯一ID `ds` Date COMMENT '日期' --用戶登錄日期 ) ENGINE = MergeTree PARTITION BY accountId ORDER BY accountId
導(dǎo)數(shù)：插入8月份用戶登錄數(shù)據(jù)
重慶分公司
重慶分公司
--插入數(shù)據(jù)
insert into login_event values (10001,toDate('2020-08-01'), (10001,toDate('2020-08-08')), (10001,toDate('2020-08-09')), (10001,toDate('2020-08-10')), (10001,toDate('2020-08-12')),
(10001,toDate('2020-08-13')), (10001,toDate('2020-08-14')), (10001,toDate('2020-08-15')), (10001,toDate('2020-08-16')), (10001,toDate('2020-08-17')), (10001,toDate('2020-08-18')),
(10001,toDate('2020-08-20')), (10001,toDate('2020-08-22')), (10001,toDate('2020-08-23')), (10001,toDate('2020-08-24')), (10002,toDate('2020-08-20')), (10002,toDate('2020-08-22')), (10002,toDate('2020-08-23')), (10002,toDate('2020-08-01')), (10002,toDate('2020-08-11')), (10002,toDate('2020-08-12')), (10002,toDate('2020-08-13')), (10002,toDate('2020-08-20')),
(10002,toDate('2020-08-15')), (10002,toDate('2020-08-30')), (10002,toDate('2020-08-20')), (10002,toDate('2020-08-01')), (10002,toDate('2020-08-06')), (10002,toDate('2020-08-24')), (10003,toDate('2020-08-05')), (10003,toDate('2020-08-08')), (10003,toDate('2020-08-09')), (10003,toDate('2020-08-10')), (10003,toDate('2020-08-11')), (10003,toDate('2020-08-13')),
(10003,toDate('2020-08-15')), (10003,toDate('2020-08-16')), (10003,toDate('2020-08-18')), (10003,toDate('2020-08-20')), (10003,toDate('2020-08-01')), (10003,toDate('2020-08-21')),
(10003,toDate('2020-08-22')), (10003,toDate('2020-08-24')), (10003,toDate('2020-08-26')), (10003,toDate('2020-08-25')), (10003,toDate('2020-08-27')), (10003,toDate('2020-08-28')),
(10003,toDate('2020-08-29')), (10003,toDate('2020-08-30')), (10004,toDate('2020-08-01')), (10004,toDate('2020-08-02')), (10004,toDate('2020-08-03')), (10004,toDate('2020-08-04')),
(10004,toDate('2020-08-05')), (10004,toDate('2020-08-08')), (10004,toDate('2020-08-09')), (10004,toDate('2020-08-10')), (10004,toDate('2020-08-11')), (10004,toDate('2020-08-14')),
(10004,toDate('2020-08-15')), (10004,toDate('2020-08-16')), (10004,toDate('2020-08-17')), (10004,toDate('2020-08-19')), (10004,toDate('2020-08-20')), (10004,toDate('2020-08-21')),
(10004,toDate('2020-08-22')), (10004,toDate('2020-08-23')), (10004,toDate('2020-08-24')), (10004,toDate('2020-08-23')),(10004,toDate('2020-08-23')), (10004,toDate('2020-08-25')),
(10004,toDate('2020-08-27')), (10004,toDate('2020-08-30'));計算某日活躍用戶的次留、3留、7留、14留、30留，我們將問題解決分為三個步驟：
找到某日活躍用戶
找到某日活躍用戶在第2、3、6、13、29日的登錄情況
計算某日活躍用戶在第2、3、6、13、29日登錄數(shù)，計算N日留存率
解決方法一:
--計算出2020-08-01活躍用戶在第2、3、6、13、29日的留存數(shù)，計算出留存率 SELECT ds, count(accountIdD0) AS activeAccountNum, count(accountIdD1) / count(accountIdD0) AS `次留`, count(accountIdD3) / count(accountIdD0) AS `3留`, count(accountIdD7) / count(accountIdD0) AS `7留`, count(accountIdD14) / count(accountIdD0) AS `14留`, count(accountIdD30) / count(accountIdD0) AS `30留` FROM ( --使用LEFT JOIN 找到2020-08-01當(dāng)日活躍用戶在第2、3、6、13、29日的登錄用戶 SELECT DISTINCT a.ds AS ds, a.accountIdD0 AS accountIdD0, IF(b.accountId = '', NULL, b.accountId) AS accountIdD1, IF(c.accountId = '', NULL, c.accountId) AS accountIdD3, IF(d.accountId = '', NULL, d.accountId) AS accountIdD7, IF(e.accountId = '', NULL, e.accountId) AS accountIdD14, IF(f.accountId = '', NULL, f.accountId) AS accountIdD30 FROM (--找出2020-08-01當(dāng)日活躍用戶 SELECT DISTINCT ds, accountId AS accountIdD0 FROM login_event WHERE ds = '2020-08-01' ORDER BY ds ASC ) AS a LEFT JOIN test.login3_event AS b ON (b.ds = addDays(a.ds, 1)) AND (a.accountIdD0 = b.accountId) LEFT JOIN test.login3_event AS c ON (c.ds = addDays(a.ds, 2)) AND (a.accountIdD0 = c.accountId) LEFT JOIN test.login3_event AS d ON (d.ds = addDays(a.ds, 6)) AND (a.accountIdD0 = d.accountId) LEFT JOIN test.login3_event AS e ON (e.ds = addDays(a.ds, 13)) AND (a.accountIdD0 = e.accountId) LEFT JOIN test.login3_event AS f ON (f.ds = addDays(a.ds, 29)) AND (a.accountIdD0 = f.accountId) ) AS temp GROUP BY ds 結(jié)果： ----------------------------------------- ┌─────────ds─┬─activeAccountNum─┬─次留─┬──3留─┬─7留─┬─14留─┬─30留─┐ │ 2020-08-01 │ 4 │ 0.25 │ 0.25 │ 0 │ 0.5 │ 0.75 │ └────────────┴──────────────────┴──────┴──────┴─────┴──────┴──────┘ 1 rows in set. Elapsed: 0.022 sec.
解決方法二：
--判斷2020-08-01活躍用戶在第2、3、6、13、29日的留存數(shù)，計算出留存率，計算出留存率
SELECT DISTINCT
b.ds AS ds,
ifnull(countDistinct(if(a.ds = b.ds, a.accountId, NULL)), 0) AS activeAccountNum,
ifnull(countDistinct(if(a.ds = addDays(b.ds, 1), b.accountId, NULL)) / activeAccountNum, 0) AS `次留`,
ifnull(countDistinct(if(a.ds = addDays(b.ds, 2), b.accountId, NULL)) / activeAccountNum, 0) AS `3留`,
ifnull(countDistinct(if(a.ds = addDays(b.ds, 6), b.accountId, NULL)) / activeAccountNum, 0) AS `7留`,
ifnull(countDistinct(if(a.ds = addDays(b.ds, 13), b.accountId, NULL)) / activeAccountNum, 0) AS `14留`,
ifnull(countDistinct(if(a.ds = addDays(b.ds, 29), b.accountId, NULL)) / activeAccountNum, 0) AS `30留`
FROM
--使用INNER JOIN找出2020-08-01活躍用戶在后續(xù)1～30日登錄情況
(
SELECT
ds,
accountId
FROM login_event
WHERE (ds <= addDays(toDate('2020-08-01'), 29)) AND (ds >= '2020-08-01')
) AS a
INNER JOIN
--找出2020-08-01當(dāng)日活躍用戶
(
SELECT DISTINCT
accountId,
ds
FROM test.login3_event
WHERE ds = '2020-08-01'
) AS b ON a.accountId = b.accountId
GROUP BY ds
結(jié)果：
-----------------------------------------
┌─────────ds─┬─activeAccountNum─┬─次留─┬──3留─┬─7留─┬─14留─┬─30留─┐
│ 2020-08-01 │ 4 │ 0.25 │ 0.25 │ 0 │ 0.5 │ 0.75 │
└────────────┴──────────────────┴──────┴──────┴─────┴──────┴──────┘
1 rows in set. Elapsed: 0.019 sec.解決方法三：
--根據(jù)數(shù)組下標(biāo)SUM(r[index])獲取2020-08-01活躍用戶在第2、3、6、13、29日的留存數(shù)，計算出留存率
SELECT
toDate('2020-08-01') AS ds,
SUM(r[1]) AS activeAccountNum,
SUM(r[2]) / SUM(r[1]) AS `次留`,
SUM(r[3]) / SUM(r[1]) AS `3留`,
SUM(r[4]) / SUM(r[1]) AS `7留`,
SUM(r[5]) / SUM(r[1]) AS `14留`,
SUM(r[6]) / SUM(r[1]) AS `30留`
FROM
--找到2020-08-01活躍用戶在第2、3、6、13、29日的登錄情況，1/0 => 登錄/未登錄
(
WITH toDate('2020-08-01') AS tt
SELECT
accountId,
retention(
toDate(ds) = tt,
toDate(subtractDays(ds, 1)) = tt,
toDate(subtractDays(ds, 2)) = tt,
toDate(subtractDays(ds, 6)) = tt,
toDate(subtractDays(ds, 13)) = tt,
toDate(subtractDays(ds, 29)) = tt
) AS r
--找出2020-08-01活躍用戶在后續(xù)1～30日登錄數(shù)據(jù)
FROM login_event
WHERE (ds >= '2020-08-01') AND (ds <= addDays(toDate('2020-08-01'), 29))
GROUP BY accountId
)
GROUP BY ds
結(jié)果：
-----------------------------------------
┌─────────ds─┬─activeAccountNum─┬─次留─┬──3留─┬─7留─┬─14留─┬─30留─┐
│ 2020-08-01 │ 4 │ 0.25 │ 0.25 │ 0 │ 0.5 │ 0.75 │
└────────────┴──────────────────┴──────┴──────┴─────┴──────┴──────┘
1 rows in set. Elapsed: 0.009 sec.方法一，使用傳統(tǒng)做法多表關(guān)聯(lián)，了解ClickHouse的程序猿都清楚，多表關(guān)聯(lián)是ClickHouse天敵，運行速度相對很慢。
方法二，使用一個表關(guān)聯(lián)，通過IF函數(shù)判斷日期差值，找到所需日期用戶數(shù)據(jù)，相對方法一減少了多表關(guān)聯(lián)，提高了運行速度。
方法三，使用ClickHouse自帶retention函數(shù)，retention function是ClickHouse中高級聚合函數(shù)，該函數(shù)可以接受多個條件，以第一個條件結(jié)果為基準(zhǔn)，后面各條件滿足為1，不滿足則為0，最后返回一個1和0組成的數(shù)組。通過統(tǒng)計數(shù)組中對應(yīng)1的數(shù)量，既可計算出留存率。
三種計算方法比較而言，在海量的數(shù)據(jù)集下使用ClickHouse自帶retention留存函數(shù)運行速度更快、更高效。提升了現(xiàn)有技術(shù)中用戶留存率的計算方式速度慢效率低的問題,進而達到了提高計算速度和計算效率的效果。
關(guān)于ClickHouse是如何提高留存計算速度就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
