DolphinDB 是新一代的高性能分布式时序数据库 (time-series database) ，同时具有丰富的数据分析和分布式计算功能。本教程使用 DolphinDB database 对淘宝 APP 的用户行为数据进行分析，进一步分析业务问题。

本教程中，我们把 DolphinDB 以及使用的数据集封装到 docker 中。 docker 中包含了 DolphinDB 的分布式数据库 dfs://user_behavior 。它包含一张表 user ，保存了 2017 年 11 月 25 日到 2017 年 12 月 3 日之间将近一百万淘宝 APP 用户的行为记录。我们采用组合分区方式，第一层按照日期分区，每天一个分区，第二层按照 userID 进行哈希分区，一共划分为 180 个分区。 user 表的结构如下所示：

各种用户行为类型的含义如下：

• pv ：浏览商品详情页
• buy ：商品购买
• cart ：将商品加入购物车
• fav ：收藏商品

1. 下载docker部署包

本教程已经把 DolphinDB 以及用到的数据封装到 docker 容器中。使用前确保 docker 环境已经部署好。 docker 安装教程请参考。下载部署包，到部署包所在目录执行以下代码。

解压部署包：

gunzip bigdata.tar.gz

导入容器快照作为镜像：

cat bigdata.tar | docker import - my/bigdata:v1

获取镜像 my/bigdata:v1 的 ID:

docker images

启动容器（根据实际情况替换 images id ）：

docker run -dt -p 8888:8848 --name test <image id> /bin/bash ./dolphindb/start.sh

在浏览器地址栏中输入本机 IP 地址 :8888 ，如 localhost:8888 ，进入 DolphinDB Notebook 。以下代码均在 DolphinDB Notebook 中执行。

该 docker 中的 DolphinDB license 有效期到 2019 年 9 月 1 日，如果 license 文件过期，只需要到官网下载社区版，用社区版的 license 替换 bigdata.tar/dolphindb/dolphindb.lic 即可。

2. 用户行为分析

查看数据量：

login("admin","123456")

user=loadTable("dfs://user_behavior","user")

select count(*) from user

98914533

user 表中一共有 98,914,533 条记录。

分析用户从浏览到最终购买商品整个过程的行为情况：

PV=exec count(*) from user where behavior="pv"

88596903

UV=count(exec distinct userID from user)

987984

在这 9 天中，淘宝 APP 的页面访问量为 88,596,903 ，独立访客为 987,984 。

上面使用到的 exec 是 DolphinDB 独有的功能，它与 select 类似。两者的区别是， select 语句总是返回一个表， exec 选择一列时会返回一个向量，与聚合函数一起使用时会返回一个标量，与 pivoy by 一起使用时会返回一个矩阵，方便后续对数据的计算。

统计只浏览一次页面的用户数量：

>

92

jumpRate=onceUserNum\UV*100

0.009312

只有 92 个用户只浏览过一个页面就离开了 APP ，占总用户数的 0.0093% ，几乎可以忽略不计，说明淘宝有足够的吸引力让用户停留在 APP 中。

统计各个用户行为的数量：

behaviors=select count(*) as num from user group by behavior

计算从有浏览到有意向购买的转化率：

将商品加入购物车和收藏商品都可以认为用户有意向购买。统计有意向购买的用户行为数量：

fav_cart=exec sum(num) from behaviors where behavior="fav" or behavior="cart"

8318654

intentRate=fav_cart\PV*100

9.389328

从浏览到有意向购买只有 9.38% 的转化率。

buy=(exec num from behaviors where behavior="buy")[0]

1998976

buyRate=buy\PV*100

2.256259

intent_buy=buy\fav_cart*100

24.030041

从浏览到最终购买只有 2.25% 的转化率，从有意向购买到最终购买的转化率为 24.03% ，说明大部分用户用户会把中意的商品收藏或加入购物车，但不一定会立即购买。

对各种用户行为的独立访客进行统计：

userNums=select count(userID) as num from (select count(*) from user group by behavior,userID) group by behavior

pay_user_rate=(exec num from userNums where behavior="buy")[0]\UV*100

67.852313

这 9 天中，使用淘宝 APP 的付费用户占 67.8% ，说明大部分用户会在淘宝 APP 上购物。

统计每天各种用户行为的用户数量：

dailyUserNums=select sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user group by date(behaveTime) as date

周五、周六和周日（ 2017.11.25 、 2017.11.26 、 2017.12.02 、 2017.12.03 ）淘宝 APP 的访问量明显增加。

iif 是 DolphinDB 的条件运算符，它的语法是 iif(cond, trueResult, falseResult) ， cond 通常是布尔表达式，如果满足 cond ，则返回 trueResult ，如果不满足 cond ，则返回 falseResult 。

分别统计每天不同时间段下 站长交易 各种用户行为的数量。我们提供了以下两种方法：

第一种方法是分别统计各个时间段的数据，再把各个结果合并。例如，统计工作日 2017.11.29 （周三）不同时间段的用户行为数量。

re1=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T00:00:00 : 2017.11.29T05:59:59

re2=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T06:00:00 : 2017.11.29T08:59:59

re3=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T09:00:00 : 2017.11.29T11:59:59

re4=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T12:00:00 : 2017.11.29T13:59:59

re5=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T14:00:00 : 2017.11.29T17:59:59

re6=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T18:00:00 : 2017.11.29T21:59:59

re7=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T22:00:00 : 2017.11.29T23:59:59

re=unionAll([re1,re2,re3,re4,re5,re6,re7],false)

这种方法比较简单，但是需要编写大量重复代码。当然也可以把重复代码封装成函数。

def calculateBehavior(startTime,endTime){

    return select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between startTime : endTime

}

这样只需要指定时间段的起始时间即可。

另外一种方法是通过 DolphinDB 的 Map-Reduce 框架来完成。例如，统计工作日 2017.11.29 （周三）的用户行为。

def caculate(t){

return select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from t

}

ds1 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.29T00:00:00 2017.11.29T06:00:000 2017.11.29T09:00:00 2017.11.29T12:00:00 2017.11.29T14:00:00 2017.11.29T18:00:00 2017.11.29T22:00:00 2017.11.29T23:59:59)

WedBehavior = mr(ds1, caculate, , unionAll{, false})

我们使用 repartitionDS 函数对 user 表重新按照时间范围来分区（不改变 user 表原来的分区方式），并生成多个数据源，然后通过 mr 函数，对数据源进行并行计算。 DolphinDB 会把 caculate 函数应用到各个数据源上，然后把各个结果合并。

工作日，凌晨（ 0 点到 6 点）淘宝 APP 的使用率最高，其次是下午（ 14 点到 16 点）。

统计周六（ 2017.11.25 ）和周日（ 2017.11.26 ）的用户行为：

ds2 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.25T00:00:00 2017.11.25T06:00:000 2017.11.25T09:00:00 2017.11.25T12:00:00 2017.11.25T14:00:00 2017.11.25T18:00:00 2017.11.25T22:00:00 2017.11.25T23:59:59)

SatBehavior = mr(ds2, caculate, , unionAll{, false})

ds3 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.26T00:00:00 2017.11.26T06:00:000 2017.11.26T09:00:00 2017.11.26T12:00:00 2017.11.26T14:00:00 2017.11.26T18:00:00 2017.11.26T22:00:00 2017.11.26T23:59:59)

SunBehavior = mr(ds3, caculate, , unionAll{, false})

周六和周日各个时间段淘宝 APP 的使用率都比工作日的使用率要高。同样地，周六日淘宝 APP 使用高峰是凌晨（ 0 点到 6 点）。

3. 商品分析

allItems=select distinct(itemID) from user

4142583

在这 9 天中，一共涉及到 4,142,583 种商品。

统计每个商品的购买次数：

itemBuyTimes=select count(userID) as times from user where behavior="buy" group by itemID order by times desc

统计销量前 20 的商品：

salesTop=select top 20 * from itemBuyTimes order by times desc

ID 为 3122135 的商品销量最高，一共有 1,408 次购买。

统计各个购买次数下商品的数量：

buyTimesItemNum=select count(itemID) as itemNums from itemBuyTimes group by times order by itemNums desc

结果显示，绝大部分（ 370,747 种）商品在这 9 天中都只被购买了一次，占所有商品的 8.94% 。购买次数越多，涉及到的商品数量越少。

统计所有商品的用户行为数量：

allItemsInfo=select sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user group by itemID

统计浏览量前 20 的商品：

pvTop=select top 20 itemID,pageView from allItemsInfo order by pageView desc

浏览量最高的商品 ID 为 812879 ，共有 29,720 次浏览，但是销量仅为 135 ，没有进入到销量前 20 。

统计销量前 20 的商品各个用户行为的数量：

select * from ej(salesTop,allItemsInfo,`itemID) order by times desc

销量最高的商品 3122135 的浏览量为 1777 ，没有进入浏览量前 20 ，从浏览到购买的转化率高达 79.2% ，该商品有可能是刚需用品，用户不需要太多浏览就决定购买。

扩展练习：

（ 1 ）计算 2017.11.25 每小时淘宝 APP 的购买率（购买率 = 购买次数 / 总行为次数 *100% ）

（ 2 ）找出购买次数最多的用户以及他购买最多的商品

（ 3 ）计算商品 ID 为 3122135 的商品在各个时间段中的购买次数

（ 4 ）统计每个类别每个行为的次数

（ 5 ）计算每个类别中销量最高的商品

本教程仅供学习使用。