Big Query Compute 两个自定义事件之间的平均时间

Posted 2023-03-25

【中文标题】Big Query Compute 两个自定义事件之间的平均时间

【英文标题】：Big Query Compute Average time between two Custom Events

【发布时间】：2017-06-13 23:49:02

【问题描述】：

我正在尝试使用 BigQuery 在我的 Firebase 分析中确定两个事件之间的平均时间。该表如下所示：

我想收集 LOGIN_CALL 和 LOGIN_CALL_OK 事件的 timstamp_micros，从 LOGIN_CALL_OK 中减去 LOGIN_CALL 并计算所有行的平均值。

#standardSQL
SELECT AVG(
(SELECT
  event.timestamp_micros
FROM
  `table`,
  UNNEST(event_dim) AS event
where event.name = "LOGIN_CALL_OK") - 
(SELECT
  event.timestamp_micros
FROM
  `table`,
  UNNEST(event_dim) AS event
where event.name = "LOGIN_CALL"))
from `table`

我已经设法列出了低数字或高数字，但每当我尝试对它们进行任何数学运算时，我都会遇到错误，我正在努力解决这个问题。上面的这种方法似乎应该可行，但我收到以下错误：

错误：标量子查询产生了多个元素

我读到这个错误意味着每个 UNNEST() 函数都返回一个数组，而不是导致 AVG 出错的单个值。我尝试取消嵌套一次并将“低”和“嗨”名称应用于值，但无法弄清楚如何正确使用 event_dim.name 进行过滤。

【问题讨论】：

您需要有某种 ID 来连接 LOGIN_CALL 和 LOGIN_CALL_OK 以在它们之间做有意义的区别。

不确定我是否关注？这些被打包到 BigQuery 数据库中的单行中......事件的名称将是我相信的 ID？

啊抱歉，我想我现在更进一步 - 表中有一个 ID，我只是没有在上面包含它。

【参考方案1】：

我无法完全测试这个，但也许这对你有用：

WITH data AS(
  SELECT STRUCT('1' as user_id) user_dim, ARRAY< STRUCT<date string, name string, timestamp_micros INT64> >  [('20170610', 'EVENT1', 1497088800000000), ('20170610', 'LOGIN_CALL', 1498088800000000), ('20170610', 'LOGIN_CALL_OK', 1498888800000000), ('20170610', 'EVENT2', 159788800000000), ('20170610', 'LOGIN_CALL', 1599088800000000), ('20170610', 'LOGIN_CALL_OK', 1608888800000000)] event_dim union all
  SELECT STRUCT('2' as user_id) user_dim, ARRAY< STRUCT<date string, name string, timestamp_micros INT64> >  [('20170610', 'EVENT1', 1497688500400000), ('20170610', 'LOGIN_CALL', 1497788800000000)] event_dim UNION ALL
  SELECT STRUCT('3' as user_id) user_dim, ARRAY< STRUCT<date string, name string, timestamp_micros INT64> >  [('20170610', 'EVENT1', 1487688500400000), ('20170610', 'LOGIN_CALL', 1487788845000000), ('20170610', 'LOGIN_CALL_OK', 1498888807700000)] event_dim
)

SELECT
  AVG(time_diff) avg_time_diff
FROM(
SELECT
  CASE WHEN e.name = 'LOGIN_CALL' AND LEAD(NAME,1) OVER(PARTITION BY user_dim.user_id ORDER BY timestamp_micros ASC) = 'LOGIN_CALL_OK' THEN TIMESTAMP_DIFF(TIMESTAMP_MICROS(LEAD(TIMESTAMP_MICROS, 1) OVER(PARTITION BY user_dim.user_id ORDER BY timestamp_micros ASC)), TIMESTAMP_MICROS(TIMESTAMP_MICROS), day) END time_diff
FROM data,
UNNEST(event_dim) e
WHERE e.name in ('LOGIN_CALL', 'LOGIN_CALL_OK')
)

我已经模拟了 3 个用户，其架构与您在 Firebase Schema 中的架构相同。

基本上，我首先应用了UNNEST 操作，以便获得event_dim.name 的每个值。然后应用过滤器只获取您感兴趣的事件，即“LOGIN_CALL”和“LOGIN_CALL_OK”。

正如 Mosha 上面评论的那样，您确实需要对这些行进行一些标识，否则您将不知道哪个事件成功了，这就是分析函数的分区也将 user_dim.user_id 作为输入的原因。

之后，只需 TIMESTAMP 操作在适当的时候获取差异（当主要事件是“LOGIN_CALL_OK”并且当前事件是“LOGIN_CALL”时，然后取差异。这在 CASE 表达式中表示）。

您可以在TIMESTAMP_DIFF函数中选择您要分析日期的哪一部分，例如秒、分钟、天等。

【讨论】：

谢谢，现在试试。

查询运行，但我只得到“avg dif 0.0”

是的，如果我删除了 AVG，它看起来好像所有 time_diffs 都为 0 或空值。不能保证这些事件彼此相邻，它们可能被其他事件分开（会话开始是最常见的）。不过，这看起来确实是朝着正确方向迈出的一步，非常感谢。

另外，从原始照片中可能并不清楚，但这些事件都在一行中，每个用户会话一行。这可能并不理想 - 这些分析有点混乱，可能需要重写。

@NathanielD.Waggoner 嗯，这很奇怪。您能否确认这些事件是否保存在同一个timestamp_micros 中？另外，如果您在timestamp_diff 函数中将日期精度更改为“秒”或“分钟”会怎样？