PostgreSQL 9.3 用了一種新的聯(lián)合類型! Lateral聯(lián)合的推出比較低調(diào)，但它實(shí)現(xiàn)了之前需要使用編寫程序才能獲得的強(qiáng)大的新查詢. 在本文中, 我將會(huì)介紹一個(gè)在 PostgreSQL 9.2 不可能被實(shí)現(xiàn)的渠道轉(zhuǎn)換分析.
什么是 LATERAL 聯(lián)合?
對此的最佳描述在文檔中 可選 FROM 語句清單 的底部:
LATERAL 關(guān)鍵詞可以在前綴一個(gè) SELECT FROM 子項(xiàng). 這能讓 SELECT 子項(xiàng)在FROM項(xiàng)出現(xiàn)之前就引用到FROM項(xiàng)中的列. (沒有 LATERAL 的話, 每一個(gè) SELECT 子項(xiàng)彼此都是獨(dú)立的，因此不能夠?qū)ζ渌?FROM 項(xiàng)進(jìn)行交叉引用.)
…
當(dāng)一個(gè) FROM 項(xiàng)包含 LATERAL 交叉引用的時(shí)候，查詢的計(jì)算過程如下: 對于FROM像提供給交叉引用列的每一行，或者多個(gè)FROM像提供給引用列的行的集合, LATERAL 項(xiàng)都會(huì)使用行或者行的集合的列值來進(jìn)行計(jì)算. 計(jì)算出來的結(jié)果集像往常一樣被加入到聯(lián)合查詢之中. 這一過程會(huì)在列的來源表的行或者行的集合上重復(fù)進(jìn)行.
這種計(jì)算有一點(diǎn)密集。你可以比較松散的將 LATERAL 聯(lián)合理解作一個(gè) SQL 的foreach 選擇, 在這個(gè)循環(huán)中 PostgreSQL 將循環(huán)一個(gè)結(jié)果集中的每一行，并將那一行作為參數(shù)來執(zhí)行一次子查詢的計(jì)算.
我們可以用這個(gè)來干些什么?
看看下面這個(gè)用來記錄點(diǎn)擊事件的表結(jié)構(gòu):
CREATE TABLE event (
user_id BIGINT,
event_id BIGINT,
time BIGINT NOT NULL,
data JSON NOT NULL,
PRIMARY KEY (user_id, event_id)
)
每一個(gè)事件都關(guān)聯(lián)了一個(gè)用戶，擁有一個(gè)ID，一個(gè)時(shí)間戳，還有一個(gè)帶有事件屬性的JSON blob. 在堆中，這些屬性可能包含一次點(diǎn)擊的DOM層級, 窗口的標(biāo)題，會(huì)話引用等等信息.
加入我們要優(yōu)化我們的登錄頁面以增加注冊. 第一步就是要計(jì)算看看我們的哪個(gè)渠道轉(zhuǎn)換上正在丟失用戶.
示例：一個(gè)注冊流程的個(gè)步驟之間的渠道轉(zhuǎn)換率.
假設(shè)我們已經(jīng)在前端配備的裝置，來沿著這一流程來記錄事件日志，所有的數(shù)據(jù)都會(huì)保存到上述的事件數(shù)據(jù)表中.[1] 最開始的問題是，我們要計(jì)算有多少人查看了我們的主頁，而他們之中有百分之多少在那次查看了主頁之后的兩個(gè)星期之內(nèi)輸入了驗(yàn)證信息. 如果我們使用 PostgreSQL 較老的版本, 我們可能需要使用PL/pgSQL這一PostgreSQL內(nèi)置的過程語言 來編寫一些定制的函數(shù). 而在 9.3 中, 我們就可以使用一個(gè) lateral 聯(lián)合，只用一個(gè)搞笑的查詢就能計(jì)算出結(jié)果，不需要任何擴(kuò)展或者 PL/pgSQL.
SELECT
user_id,
view_homepage,
view_homepage_time,
enter_credit_card,
enter_credit_card_time
FROM (
-- Get the first time each user viewed the homepage.
SELECT
user_id,
1 AS view_homepage,
min(time) AS view_homepage_time
FROM event
WHERE
data->>'type' = 'view_homepage'
GROUP BY user_id
) e1 LEFT JOIN LATERAL (
-- For each row, get the first time the user_id did the enter_credit_card
-- event, if one exists within two weeks of view_homepage_time.
SELECT
1 AS enter_credit_card,
time AS enter_credit_card_time
FROM event
WHERE
user_id = e1.user_id AND
data->>'type' = 'enter_credit_card' AND
time BETWEEN view_homepage_time AND (view_homepage_time + 1000*60*60*24*14)
ORDER BY time
LIMIT 1
) e2 ON true
沒有人會(huì)喜歡30多行的SQL查詢，所以讓我們將這些SQL分成片段來分析。第一塊是一段普通的 SQL:
SELECT
user_id,
1 AS view_homepage,
min(time) AS view_homepage_time
FROM event
WHERE
data->>'type' = 'view_homepage'
GROUP BY user_id
也就是要獲取到每個(gè)用戶最開始觸發(fā) view_homepage 事件的時(shí)間. 然后我們的 lateral 聯(lián)合就可以讓我們迭代結(jié)果集的每一行，并會(huì)在接下來執(zhí)行一次參數(shù)化的子查詢. 這就等同于針對結(jié)果集的每一行都要執(zhí)行一邊下面的這個(gè)查詢:
SELECT
1 AS enter_credit_card,
time AS enter_credit_card_time
FROM event
WHERE
user_id = e1.user_id AND
data->>'type' = 'enter_credit_card' AND
time BETWEEN view_homepage_time AND (view_homepage_time + 1000*60*60*24*14)
ORDER BY time
LIMIT 1
例如,對于每一個(gè)用戶，要獲取他們在觸發(fā) view_homepage_time 事件后的兩星期內(nèi)觸發(fā) enter_credit_card 事件的時(shí)間. 因?yàn)檫@是一個(gè)lateral聯(lián)合，我們的子查詢就可以從之前的子查詢出引用到 view_homepage_time 結(jié)果集. 否則，子查詢就只能單獨(dú)執(zhí)行，而沒辦法訪問到另外一個(gè)子查詢所計(jì)算出來的結(jié)果集.
之后哦我們整個(gè)封裝成一個(gè)select，它會(huì)返回像下面這樣的東西:
user_id | view_homepage | view_homepage_time | enter_credit_card | enter_credit_card_time
---------+---------------+--------------------+-------------------+------------------------
567 | 1 | 5234567890 | 1 | 5839367890
234 | 1 | 2234567890 | |
345 | 1 | 3234567890 | |
456 | 1 | 4234567890 | |
678 | 1 | 6234567890 | |
123 | 1 | 1234567890 | |
...
因?yàn)檫@是一個(gè)左聯(lián)合，所以查詢結(jié)果集中會(huì)有不匹配 enter_credit_card 事件的行，只要有 view_homepage 事件就行. 如果我們匯總所有的數(shù)值列，就會(huì)得到渠道轉(zhuǎn)換的一個(gè)清晰匯總:
SELECT
sum(view_homepage) AS viewed_homepage,
sum(enter_credit_card) AS entered_credit_card
FROM (
-- Get the first time each user viewed the homepage.
SELECT
user_id,
1 AS view_homepage,
min(time) AS view_homepage_time
FROM event
WHERE
data->>'type' = 'view_homepage'
GROUP BY user_id
) e1 LEFT JOIN LATERAL (
-- For each (user_id, view_homepage_time) tuple, get the first time that
-- user did the enter_credit_card event, if one exists within two weeks.
SELECT
1 AS enter_credit_card,
time AS enter_credit_card_time
FROM event
WHERE
user_id = e1.user_id AND
data->>'type' = 'enter_credit_card' AND
time BETWEEN view_homepage_time AND (view_homepage_time + 1000*60*60*24*14)
ORDER BY time
LIMIT 1
) e2 ON true
… 它會(huì)輸出:
viewed_homepage | entered_credit_card
-----------------+---------------------
827 | 10
我們可以向這個(gè)渠道中填入帶有更多l(xiāng)ateral聯(lián)合的中間步驟，來得到流程中我們需要重點(diǎn)改進(jìn)的部分. 讓我們在查看主頁和輸入驗(yàn)證信息之間加入對使用示例步驟的查詢.
SELECT
sum(view_homepage) AS viewed_homepage,
sum(use_demo) AS use_demo,
sum(enter_credit_card) AS entered_credit_card
FROM (
-- Get the first time each user viewed the homepage.
SELECT
user_id,
1 AS view_homepage,
min(time) AS view_homepage_time
FROM event
WHERE
data->>'type' = 'view_homepage'
GROUP BY user_id
) e1 LEFT JOIN LATERAL (
-- For each row, get the first time the user_id did the use_demo
-- event, if one exists within one week of view_homepage_time.
SELECT
user_id,
1 AS use_demo,
time AS use_demo_time
FROM event
WHERE
user_id = e1.user_id AND
data->>'type' = 'use_demo' AND
time BETWEEN view_homepage_time AND (view_homepage_time + 1000*60*60*24*7)
ORDER BY time
LIMIT 1
) e2 ON true LEFT JOIN LATERAL (
-- For each row, get the first time the user_id did the enter_credit_card
-- event, if one exists within one week of use_demo_time.
SELECT
1 AS enter_credit_card,
time AS enter_credit_card_time
FROM event
WHERE
user_id = e2.user_id AND
data->>'type' = 'enter_credit_card' AND
time BETWEEN use_demo_time AND (use_demo_time + 1000*60*60*24*7)
ORDER BY time
LIMIT 1
) e3 ON true
這樣就會(huì)輸出:
viewed_homepage | use_demo | entered_credit_card
-----------------+----------+---------------------
827 | 220 | 86
從查看主頁到一周之內(nèi)使用demo，再到一周以內(nèi)向其輸入信用卡信息，這就向我們提供了三個(gè)步驟的通道轉(zhuǎn)換. 從此，功能強(qiáng)大的 PostgreSQL 使得我們可以深入分析這些數(shù)據(jù)結(jié)果集，并對我們的網(wǎng)站性能進(jìn)行整體的分析. 接著我們可能會(huì)有下面這些問題要解決:
- 使用demo是否能增加注冊的可能性?
- 通過廣告找到我們主頁的用戶是否同來自其他渠道的用戶擁有相同的轉(zhuǎn)換率?
- 轉(zhuǎn)換率會(huì)跟隨不同的 A/B 測試變量發(fā)生怎樣的變化?
這些問題的答案會(huì)直接影響到產(chǎn)品的改進(jìn)，它們可以從 PostgreSQL 數(shù)據(jù)庫中找到答案，因?yàn)楝F(xiàn)在它支持 lateral 聯(lián)合.
沒有 lateral 聯(lián)合，我們就只能借助 PL/pgSQL 來做這些分析。或者，如果我們的數(shù)據(jù)集很小，我們可能就不會(huì)碰這些復(fù)雜、低效的查詢. 在一項(xiàng)探索性數(shù)據(jù)研究使用場景下，你可能只是將數(shù)據(jù)從 PostgreSQL 里面抽取出來，并使用你所選擇的腳本語言來對其進(jìn)行分析。但是其實(shí)還存在更強(qiáng)大的理由來用SQL表述這些問題, 特別是如果你正想要把整個(gè)全封裝到一套易于理解的UI中，并向非技術(shù)型用戶發(fā)布功能 的時(shí)候.
注意這些查詢可以被優(yōu)化，以變得更加高效. 在本例中，如果我們在 (user_id, (data->>'type'), time)上創(chuàng)建一個(gè)btree索引, 我們只用一次索引查找就能針對每一個(gè)用戶計(jì)算每一個(gè)渠道步驟. 如果你使用的是SSD，在上面做查找花費(fèi)是很小的，那這就足夠了。而如果不是，你就可能需要用稍微不同的手段來圖示化你的數(shù)據(jù)，詳細(xì)的內(nèi)容我會(huì)留到另外一篇文章之中進(jìn)行介紹.
您可能感興趣的文章:- 15個(gè)postgresql數(shù)據(jù)庫實(shí)用命令分享
- Windows下Postgresql數(shù)據(jù)庫的下載與配置方法
- 用PostgreSQL數(shù)據(jù)庫做地理位置app應(yīng)用
