Jupyter Notebook中的查询服务

Adobe Experience Platform允许您通过将Query Service作为标准功能集成到JupyterLab中,在Data Science Workspace中使用结构化查询语言(SQL)。

本教程演示了用于探索、转换和分析Adobe Analytics数据的常见用例的示例SQL查询。

快速入门

在开始本教程之前,您必须满足以下先决条件:

访问JupyterLab和Query Service access-jupyterlab-and-query-service

  1. Experience Platform中,从左侧导航列导航到​ Notebooks。 等待片刻以加载JupyterLab。

    note note
    NOTE
    如果未自动显示新的“启动器”选项卡,请单击​ 文件 ​打开新的“启动器”选项卡,然后选择​ 新建启动器
  2. 在“启动器”选项卡中,单击Python 3环境中的​ 空白 ​图标以打开空笔记本。

    note note
    NOTE
    Python 3是当前笔记本中唯一支持查询服务的环境。
  3. 在左选择边栏上,单击​ 数据 ​图标,然后双击​ 数据集 ​目录以列出所有数据集。

  4. 查找要浏览的Adobe Analytics数据集并右键单击列表,单击​ 在笔记本中查询数据 ​以在空笔记本中生成SQL查询。

  5. 单击包含函数qs_connect()的第一个生成的单元格,然后单击播放按钮执行该单元格。 此函数创建笔记本实例与Query Service之间的连接。

  6. 从第二次生成的SQL查询中向下复制Adobe Analytics数据集名称,它将是FROM之后的值。

  7. 通过单击​ + ​按钮插入新的笔记本单元格。

  8. 在新单元格中复制、粘贴和执行以下import语句。 这些语句将用于可视化您的数据:

    code language-python
    import plotly.plotly as py
    import plotly.graph_objs as go
    from plotly.offline import iplot
    
  9. 接下来,将以下变量复制并粘贴到新单元格中。 根据需要修改它们的值,然后执行它们。

    code language-python
    target_table = "your Adobe Analytics dataset name"
    target_year = "2019"
    target_month = "04"
    target_day = "01"
    
    • target_table: Adobe Analytics数据集的名称。
    • target_year:目标数据来自的特定年份。
    • target_month:目标来自的特定月份。
    • target_day:目标数据来自的特定日期。
    note note
    NOTE
    您可以随时更改这些值。 执行此操作时,请确保执行变量单元格以应用更改。

查询您的数据 query-your-data

在单个笔记本单元格中输入以下SQL查询。 选择查询的单元格,然后选择​ 播放 ​按钮,以执行查询。 成功的查询结果或错误日志显示在执行的单元格下方。

当笔记本长时间处于非活动状态时,笔记本与Query Service之间的连接可能会中断。 在这种情况下,通过选择位于电源按钮右上角的​ 重新启动 ​按钮 重新启动按钮 来重新启动JupyterLab。

笔记本内核将重置,但单元格将保留,重新运行所有单元格以继续运行之前停止的操作。

每小时访客计数 hourly-visitor-count

以下查询返回指定日期的每小时访客计数:

查询

%%read_sql hourly_visitor -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10)                               AS Day,
       Substring(timestamp, 12, 2)                               AS Hour,
       Count(DISTINCT concat(enduserids._experience.aaid.id,
                             _experience.analytics.session.num)) AS Visit_Count
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP  BY Day, Hour
ORDER  BY Hour;

在上述查询中,WHERE子句中的时间戳设置为target_year的值。 通过将变量包含在大括号({})中,将其包含在SQL查询中。

查询的第一行包含可选变量hourly_visitor。 查询结果将作为Pandas数据流存储在此变量中。 将结果存储在数据流中允许您以后使用所需的Python包可视化查询结果。 在新单元格中执行以下Python代码以生成条形图:

trace = go.Bar(
    x = hourly_visitor['Hour'],
    y = hourly_visitor['Visit_Count'],
    name = "Visitor Count"
)
layout = go.Layout(
    title = 'Visit Count by Hour of Day',
    width = 1200,
    height = 600,
    xaxis = dict(title = 'Hour of Day'),
    yaxis = dict(title = 'Count')
)
fig = go.Figure(data = [trace], layout = layout)
iplot(fig)

每小时活动计数 hourly-activity-count

以下查询返回指定日期的每小时操作计数:

查询

%%read_sql hourly_actions -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10)                        AS Day,
       Substring(timestamp, 12, 2)                        AS Hour,
       Count(concat(enduserids._experience.aaid.id,
                    _experience.analytics.session.num,
                    _experience.analytics.session.depth)) AS Count
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP  BY Day, Hour
ORDER  BY Hour;

执行上述查询会将结果作为数据流存储在hourly_actions中。 在新单元格中执行以下函数以预览结果:

hourly_actions.head()

可以修改上述查询,以便使用​ WHERE ​子句中的逻辑运算符返回指定日期范围内的每小时操作计数:

查询

%%read_sql hourly_actions_date_range -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10)                        AS Day,
       Substring(timestamp, 12, 2)                        AS Hour,
       Count(concat(enduserids._experience.aaid.id,
                    _experience.analytics.session.num,
                    _experience.analytics.session.depth)) AS Count
FROM   {target_table}
WHERE  timestamp >= TO_TIMESTAMP('2019-06-01 00', 'YYYY-MM-DD HH')
       AND timestamp <= TO_TIMESTAMP('2019-06-02 23', 'YYYY-MM-DD HH')
GROUP  BY Day, Hour
ORDER  BY Hour;

执行修改的查询会将结果作为数据流存储在hourly_actions_date_range中。 在新单元格中执行以下函数以预览结果:

hourly_actions_date_rage.head()

每个访客会话的事件数 number-of-events-per-visitor-session

以下查询返回指定日期内每个访客会话的事件数:

查询

%%read_sql events_per_session -c QS_CONNECTION
SELECT concat(enduserids._experience.aaid.id,
              '-#',
              _experience.analytics.session.num) AS aaid_sess_key,
       Count(timestamp)                          AS Count
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY aaid_sess_key
ORDER BY Count DESC;

执行以下Python代码以生成每个访问会话的事件数的直方图:

data = [go.Histogram(x = events_per_session['Count'])]

layout = go.Layout(
    title = 'Histogram of Number of Events per Visit Session',
    xaxis = dict(title = 'Number of Events'),
    yaxis = dict(title = 'Count')
)

fig = go.Figure(data = data, layout = layout)
iplot(fig)

给定日期的受欢迎页面 popular-pages-for-a-given-day

以下查询返回指定日期十个最受欢迎的页面:

查询

%%read_sql popular_pages -c QS_CONNECTION
SELECT web.webpagedetails.name                 AS Page_Name,
       Sum(web.webpagedetails.pageviews.value) AS Page_Views
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP  BY web.webpagedetails.name
ORDER  BY page_views DESC
LIMIT  10;

给定日的活动用户 active-users-for-a-given-day

以下查询返回指定日期内最活跃的十个用户:

查询

%%read_sql active_users -c QS_CONNECTION
SELECT enduserids._experience.aaid.id AS aaid,
       Count(timestamp)               AS Count
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP  BY aaid
ORDER  BY Count DESC
LIMIT  10;

按用户活动列出的活跃城市 active-cities-by-user-activity

以下查询返回在指定日期生成大多数用户活动的十个城市:

查询

%%read_sql active_cities -c QS_CONNECTION
SELECT concat(placeContext.geo.stateProvince, ' - ', placeContext.geo.city) AS state_city,
       Count(timestamp)                                                     AS Count
FROM   {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP  BY state_city
ORDER  BY Count DESC
LIMIT  10;

后续步骤

本教程演示了在Jupyter笔记本中利用Query Service的一些示例用例。 请按照使用Jupyter Notebooks分析数据教程中的说明,查看如何使用Data Access SDK执行类似的操作。

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9