WINDOW_FUNNEL

WINDOW_FUNNEL 函数与 ClickHouse 中的 windowFunnel 类似（它们由同一位作者创建），用于在滑动时间窗口中搜索事件链，并计算该链中事件的最大数量。

该函数按照以下算法工作：

• 函数会搜索触发链中第一个条件的数据，并将事件计数器设为 1。此时滑动窗口开始。

• 如果链中的事件在窗口内按顺序依次发生，则计数器递增。如果事件顺序被打断，则计数器不会递增。

• 如果数据中存在多个事件链，且完成程度不同，则函数只会输出最长链的大小。

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 datetime 类型。
• <cond> — 描述事件链的条件或数据。必须为 Boolean 数据类型。

Parameters

• <window> — 滑动窗口的长度，即第一个条件与最后一个条件之间的时间间隔。window 的单位取决于 timestamp 本身，因此可能不同。通过表达式 timestamp of cond1 <= timestamp of cond2 <= ... <= timestamp of condN <= timestamp of cond1 + window 来确定。

返回值

滑动时间窗口内，事件链中连续触发条件的最大数量。会分析所选数据中的所有链。

类型：UInt8。

示例

判断在给定时间段内，用户是否有足够时间在网店中选择一部手机并完成两次购买。

设置如下事件链：

1. 用户登录其商店账户（event_name = 'login'）。
2. 用户访问页面（event_name = 'visit'）。
3. 用户将商品加入购物车（event_name = 'cart'）。
4. 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 在按小时滑动的窗口中，最多能完成事件链的哪一步。

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;

结果：

+-------+-------+
| level | count |
+-------+-------+
|     2 |     1 |
|     3 |     1 |
|     4 |     1 |
+-------+-------+

• 用户 100126 的 level 为 2（login -> visit）。
• 用户 100125 的 level 为 3（login -> visit -> cart）。
• 用户 100123 的 level 为 4（login -> visit -> cart -> purchase）。