路径分析函数 - 云原生数据仓库AnalyticDB

云原生数据仓库 AnalyticDB MySQL 版的路径分析函数（包括SEQUENCE_MATCH和SEQUENCE_COUNT）能够高效地处理路径计算任务，进行事件序列的匹配和计数，并将分析结果应用于复杂事件序列的检测和统计。本文为您介绍路径分析函数的使用。

AnalyticDB for MySQL支持的路径分析函数如下：

SEQUENCE_MATCH：检查事件序列是否按照给定的顺序发生。
SEQUENCE_COUNT：计算给定的事件序列出现的次数。

前提条件

集群内核版本需为3.2.1.0及以上版本。

说明

如何查看集群内核版本，请参见如何查看实例版本信息。如需升级内核版本，请联系技术支持。

测试数据集

为方便您测试路径分析函数，提供操作示例如下：

创建测试数据表。

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

插入数据。

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函数用于检查事件序列是否按照给定的顺序发生。系统会根据您定义的事件序列，与指定的正则表达式进行匹配，返回一个布尔值。若返回值为1，代表是；若返回值为0，则代表否。

语法

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

参数说明

参数	说明
pattern	用于匹配事件发生顺序的正则表达式。 pattern支持语法：`'(?n)(?n)'`、`'(?n).(?n)'`和`'(?n)(?t operator value)(?n)'`。参数说明如下： `(?n)`：匹配条件事件，表示cond约束列表中的第n个条件。n的取值不可以超出cond约束条件数量，且不能为0。 `.`：两个指定事件之间可以有任意数量的其他事件。 `(?t operator value)`：用来指定两个事件的时间差。 `t` ：固定保留字，代表timestamp时间戳字段。 `operator`：操作符，支持`>=`，`>`，`<`，`<=`，`==`，`<>`，`!=`。 `value`：时间戳字段的值，支持浮点数和正负数。 DATATIME和TIMESTAMP：单位为毫秒（ms）。 DATE：单位为天（d）。 BIGINT：单位根据事件发生时间单位而定。
timestamp	事件的时间戳字段，表示事件发生的时间。字段类型支持BIGINT、DATETIME、TIMESTAMP和DATE。
cond	事件的约束条件，每个条件通常是对某一字段的比较操作。数据类型是BOOLEAN。 cond最多可以传递32个约束条件。说明该函数先筛选出满足cond约束条件的事件，再和pattern匹配。

示例

筛选出事件序列中存在的以下三类事件：number=1，number=2，number=3。判断已筛选出的序列中是否存在事件1number=1之后，紧接着发生了事件3number=3的情况。

SQL查询语句如下：

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

返回结果：

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

筛选出事件序列中存在的以下三类事件：number=1，number=2，number=3。判断已筛选出的序列中是否存在事件1number=1之后，发生了事件3number=3，且事件1和事件3之间可以发生其他事件的情况。

SQL查询语句如下：

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

返回结果：

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

筛选出事件序列中存在的以下两类事件：number=1和number=2。判断已筛选出的序列中是否存在事件1number=1之后，紧接着发生了事件2number=2，且二者之间的时间差大于等于3600毫秒的情况。

SQL查询语句如下：

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

返回结果：

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

SEQUENCE_COUNT

SEQUENCE_COUNT函数用于计算指定的事件序列出现的次数。

语法

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

参数说明

参数	说明
pattern	用于匹配事件发生顺序的正则表达式。 pattern支持语法：`'(?n)(?n)'`、`'(?n).(?n)'`和`'(?n)(?t operator value)(?n)'`。参数说明如下： `(?n)`：匹配条件事件，表示cond约束列表中的第n个条件。n的取值不可以超出cond约束条件数量，且不能为0。 `.`：两个指定事件之间可以有任意数量的其他事件。 `(?t operator value)`：用来指定两个事件的时间差。 `t` ：固定保留字，代表timestamp时间戳字段。 `operator`：操作符，支持`>=`，`>`，`<`，`<=`，`==`，`<>`，`!=`。 `value`：时间戳字段的值，支持浮点数和正负数。 DATATIME和TIMESTAMP：单位为毫秒（ms）。 DATE：单位为天（d）。 BIGINT：单位根据事件发生时间单位而定。
timestamp	事件的时间戳字段，表示事件发生的时间。字段类型支持BIGINT、DATETIME、TIMESTAMP和DATE。
cond	事件的约束条件，每个条件通常是对某一字段的比较操作。数据类型是BOOLEAN。 cond最多可以传递32个约束条件。说明该函数先筛选出满足cond约束条件的事件，再和pattern匹配。

示例

筛选出事件序列中存在的以下三类事件：number=1，number=2，number=3。计算已筛选出的事件序列中满足以下条件的事件序列数量：事件1number=1之后，紧接着发生了事件3number=3。

SQL查询语句如下：

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

返回结果：

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

筛选出事件序列中存在的以下三类事件：number=1，number=2，number=3。计算已筛选出的事件序列中满足以下条件的事件序列数量：事件1number=1之后，发生了事件3number=3，且事件1和事件3之间可以发生其他事件。

SQL查询语句如下：

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

返回结果：

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

筛选出事件序列中存在的以下两类事件：number=1和number=2。计算已筛选出的事件序列中满足以下条件的事件序列数量：事件1number=1之后，紧接着发生了事件2number=2，且二者之间的时间差大于等于3600毫秒。

SQL查询语句如下：

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

返回结果：

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