路徑分析函數 - AnalyticDB

AnalyticDB for MySQL的路徑分析函數（包括SEQUENCE_MATCH和SEQUENCE_COUNT）能夠高效地處理路徑計算任務，進行事件序列的匹配和計數，並將分析結果應用於複雜事件序列的檢測和統計。本文為您介紹路徑分析函數的使用。

AnalyticDB for MySQL支援的路徑分析函數如下：

SEQUENCE_MATCH：檢查事件序列是否按照給定的順序發生。
SEQUENCE_COUNT：計算給定的事件序列出現的次數。

前提條件

叢集核心版本需為3.2.1.0及以上版本。

說明

如何查看叢集核心版本，請參見如何查看執行個體版本資訊。如需升級核心版本，請聯絡支援人員。

測試資料集

為方便您測試路徑分析函數，提供操作樣本如下：

建立測試資料表。

CREATE TABLE sequence_test(
  `uid` INT COMMENT 'user id',
  `ts` DATETIME COMMENT 'date time', 
  `number` INT NULL COMMENT 'number' 
);

插入資料。

INSERT INTO sequence_test  VALUES (1, '2022-11-02 10:41:00', 1);
INSERT INTO sequence_test  VALUES (2, '2022-11-02 13:28:02', 2); 
INSERT INTO sequence_test  VALUES (3, '2022-11-02 16:15:01', 1);                                      
INSERT INTO sequence_test  VALUES (4, '2022-11-02 19:05:04', 2); 
INSERT INTO sequence_test  VALUES (5, '2022-11-02 20:08:44', 3);

SEQUENCE_MATCH

SEQUENCE_MATCH函數用於檢查事件序列是否按照給定的順序發生。系統會根據您定義的事件序列，與指定的Regex進行匹配，返回一個布爾值。若傳回值為1，代表是；若傳回值為0，則代表否。

文法

SEQUENCE_MATCH(pattern, timestamp, cond1, cond2, ...)

參數說明

參數	說明
pattern	用於匹配事件發生順序的Regex。 pattern支援文法：`'(?n)(?n)'`、`'(?n).(?n)'`和`'(?n)(?t operator value)(?n)'`。參數說明如下： `(?n)`：匹配條件事件，表示cond約束列表中的第n個條件。n的取值不可以超出cond約束條件數量，且不能為0。 `.`：兩個指定事件之間可以有任意數量的其他事件。 `(?t operator value)`：用來指定兩個事件的時間差。 `t` ：固定保留字，代表timestamp時間戳記欄位。 `operator`：操作符，支援`>=`，`>`，`<`，`<=`，`==`，`<>`，`!=`。 `value`：時間戳記欄位的值，支援浮點數和正負數。 DATATIME和TIMESTAMP：單位為毫秒（ms）。 DATE：單位為天（d）。 BIGINT：單位根據事件發生時間單位而定。
timestamp	事件的時間戳記欄位，表示事件發生的時間。欄位類型支援BIGINT、DATETIME、TIMESTAMP和DATE。
cond	事件的約束條件，每個條件通常是對某一欄位的比較操作。資料類型是BOOLEAN。 cond最多可以傳遞32個約束條件。說明該函數先篩選出滿足cond約束條件的事件，再和pattern匹配。

樣本

篩選出事件序列中存在的以下三類事件：number=1，number=2，number=3。判斷已篩選出的序列中是否存在事件1number=1之後，緊接著發生了事件3number=3的情況。

SQL查詢語句如下：

SELECT SEQUENCE_MATCH('(?1)(?3)', ts, number = 1, number = 2, number = 3) FROM sequence_test;

返回結果：

+-------------------------------------------------------------------+
| sequence_match('(?1)(?3)', ts, number = 1, number = 2, number = 3)|
+-------------------------------------------------------------------+
|                                0                                  |
+-------------------------------------------------------------------+

篩選出事件序列中存在的以下三類事件：number=1，number=2，number=3。判斷已篩選出的序列中是否存在事件1number=1之後，發生了事件3number=3，且事件1和事件3之間可以發生其他事件的情況。

SQL查詢語句如下：

SELECT SEQUENCE_MATCH('(?1).*(?3)', ts, number = 1, number = 2, number = 3) FROM sequence_test;

返回結果：

+----------------------------------------------------------------------+
| sequence_match('(?1).*(?3)', ts, number = 1, number = 2, number = 3) |
+----------------------------------------------------------------------+
|                                  1                                   |
+----------------------------------------------------------------------+

篩選出事件序列中存在的以下兩類事件：number=1和number=2。判斷已篩選出的序列中是否存在事件1number=1之後，緊接著發生了事件2number=2，且二者之間的時間差大於等於3600毫秒的情況。

SQL查詢語句如下：

SELECT SEQUENCE_MATCH('(?1)(?t>=3600)(?2)', ts, number = 1, number = 2) FROM sequence_test;

返回結果：

+------------------------------------------------------------------+
| sequence_match('(?1)(?t>=3600)(?2)', ts, number = 1, number = 2) |
+------------------------------------------------------------------+
|                                1                                 |
+------------------------------------------------------------------+

SEQUENCE_COUNT

SEQUENCE_COUNT函數用於計算指定的事件序列出現的次數。

文法

SEQUENCE_COUNT(pattern, timestamp, cond1, cond2, ...)

參數說明

參數	說明
pattern	用於匹配事件發生順序的Regex。 pattern支援文法：`'(?n)(?n)'`、`'(?n).(?n)'`和`'(?n)(?t operator value)(?n)'`。參數說明如下： `(?n)`：匹配條件事件，表示cond約束列表中的第n個條件。n的取值不可以超出cond約束條件數量，且不能為0。 `.`：兩個指定事件之間可以有任意數量的其他事件。 `(?t operator value)`：用來指定兩個事件的時間差。 `t` ：固定保留字，代表timestamp時間戳記欄位。 `operator`：操作符，支援`>=`，`>`，`<`，`<=`，`==`，`<>`，`!=`。 `value`：時間戳記欄位的值，支援浮點數和正負數。 DATATIME和TIMESTAMP：單位為毫秒（ms）。 DATE：單位為天（d）。 BIGINT：單位根據事件發生時間單位而定。
timestamp	事件的時間戳記欄位，表示事件發生的時間。欄位類型支援BIGINT、DATETIME、TIMESTAMP和DATE。
cond	事件的約束條件，每個條件通常是對某一欄位的比較操作。資料類型是BOOLEAN。 cond最多可以傳遞32個約束條件。說明該函數先篩選出滿足cond約束條件的事件，再和pattern匹配。

樣本

篩選出事件序列中存在的以下三類事件：number=1，number=2，number=3。計算已篩選出的事件序列中滿足以下條件的事件序列數量：事件1number=1之後，緊接著發生了事件3number=3。

SQL查詢語句如下：

SELECT SEQUENCE_COUNT('(?1)(?3)', ts, number = 1, number = 2, number = 3) FROM sequence_test;

返回結果：

+--------------------------------------------------------------------+
| sequence_count('(?1)(?3)', ts, number = 1, number = 2, number = 3) |
+--------------------------------------------------------------------+
|                                0                                   |
+--------------------------------------------------------------------+

篩選出事件序列中存在的以下三類事件：number=1，number=2，number=3。計算已篩選出的事件序列中滿足以下條件的事件序列數量：事件1number=1之後，發生了事件3number=3，且事件1和事件3之間可以發生其他事件。

SQL查詢語句如下：

SELECT SEQUENCE_COUNT('(?1).*(?3)', ts, number = 1, number = 2, number = 3) FROM sequence_test;

返回結果：

+----------------------------------------------------------------------+
| sequence_count('(?1).*(?3)', ts, number = 1, number = 2, number = 3) |
+----------------------------------------------------------------------+
|                                  1                                   |
+----------------------------------------------------------------------+

篩選出事件序列中存在的以下兩類事件：number=1和number=2。計算已篩選出的事件序列中滿足以下條件的事件序列數量：事件1number=1之後，緊接著發生了事件2number=2，且二者之間的時間差大於等於3600毫秒。

SQL查詢語句如下：

SELECT SEQUENCE_COUNT('(?1)(?t>=3600)(?2)', ts, number = 1, number = 2) FROM sequence_test;

返回結果：

+------------------------------------------------------------------+
| sequence_count('(?1)(?t>=3600)(?2)', ts, number = 1, number = 2) |
+------------------------------------------------------------------+
|                              2                                   |
+------------------------------------------------------------------+