2017易观OLAP算法大赛

2017-08-02 629

大赛简介

目前互联网领域有很多公司都在做APP领域的“用户行为分析”产品，与Web时代的行为分析相类似，其目的都是帮助公司的运营、产品等部门更好地优化自家产品，比如查看日活和月活，查看渠道来源，提高留存、转化、活跃度等等。在这个研发过程中，有个比较核心的需求，叫做“有序漏斗”。“有序漏斗”问题定义比较简单，但计算过程比较复杂。市面上现有的解决方案在数据量较大的情况下，计算效率较低。为了更好的提升产品体验，易观决定将此需求作为比赛题目，广招各路大牛，共同解决。大赛分为2组，开源组和商业组。开源组设置奖金池和排行榜，商业组最后设置排行榜。

根据提供的应用转化和OLAP场景，给出具体的方案，先利用测试数据集在指定测试集群上运行给出测试结果，最终易观会用实际测试数据在测试集群上跑整体数据并给出用时排名。

开源排行榜，第1名现金人民币10万（税前）奖励，前3名易观证书
商业排行榜，前3名易观证书

即刻报名参赛

问题定义

漏斗分析是帮助运营人员分析一个多步骤过程中每一步的转化与流失情况。
假设我们在购买商品的过程中，需要触发的事件包括 “启动”，“登陆”，“搜索商品”，“查看商品”，“生成订单”等。运营人员需要分析某段时间内（比如2017年1月5号到2017年2月5号），在全部用户中依次有序触发 “登陆”→“搜索商品”→“查看商品”→“生成订单“ 事件的人群的转化流失情况，即计算全部用户中触发了“登陆”事件的总人数A，A中触发“搜索商品”事件的总人数B，B中触发“查看商品”事件的总人数C，以及C中触发“生成订单”事件的总人数D。展现形式如下：

同时，漏斗分析中包含“时间窗口”的概念，即需要保证所有事件在同一个窗口期内发生。比如时间窗口为1天，用户001触发“搜索商品”事件的时间和触发“登陆”事件的时间间隔在一天内，“搜索商品”事件才有效，否则视为无效。同理，用户001触发“查看商品”事件的时间和触发“登陆”事件的时间间隔也必须在一天内。时间窗口可以为1天、3天、7天或者1小时、6小时等任意长时间段。最后，在漏斗分析中，可以设置事件属性。比如“搜索商品”事件，可以设置只计算“搜索商品”事件的属性中“content”字段为“computer”的用户。具体见详细数据。

测试数据

链接： http://pan.baidu.com/s/1dEHodih 密码： z3m8

数据为文本文件格式，具体包含字段有：
（1）用户ID，字符串类型
（2）时间戳，毫秒级别，Long类型
（3）事件ID，Int类型，包含10001到10010十个事件
（4）事件名称，字符串类型，包含启动、登陆、搜索商品等十个事件
（5）事件属性，Json串格式
（6）日期，字符串类型
数据总条数6亿左右，日期范围：2017/01/01到2017/02/28。

比赛评判说明

所有提交的方案都必须可行，开源组须公开思路及源代码，商业组只须公开思路，具体使用哪些软件可自行设定。评委会随机设定漏斗需求，所有参赛方案根据具体需求计算结果，在结果准确的基础上，耗时最少者获胜。漏斗需求举例如下：
（1）计算2017年1月份中，依次有序触发“搜索商品”、“查看商品”、“生成订单”的用户转化情况，且时间窗口为1天。
（2）计算2017年1月和2月份中，依次有序触发“登陆”、“搜索商品”、“查看商品”、“生成订单”、“订单付款”的用户转化情况，且时间窗口为7天，“搜索商品”事件的content属性为Apple，“浏览商品”事件的price属性大于5000。

目前通用算法与实例

目前通用60分的算法如下，给各位参赛者做参考，同时源代码稍后公布，大家可以基于这个算法或者自建更好的算法优化。
（1）底层存储用HDFS
（2）建立Hive表，并以应用标识、日期、事件名称为分区
（3）查询用presto，并自定义UDAF，或者利用Spark core自定义相同逻辑

硬件系统配置

centos7、16核|16G内存、SSD数据盘300G的ucloud云主机4台

目前易观在以上配置的4台机器上测试漏斗耗时统计如下:
1、查询2017年1月份，时间窗口为7天，事件顺序为10001、10004、10008的漏斗，结果为[3999974, 3995900, 3608934]，24秒
2、查询2017年1月份，时间窗口为3天，事件顺序为10004、10008、10010的漏斗，结果为[3999422,3573367,697506]，13秒
3、查询2017年1月份，时间窗口为3天，事件顺序为10004、10007、10009、10010，并且10004事件的brand属性为’Apple’的漏斗，结果为[3639301, 2449480, 559517, 35795]，13秒

合作媒体

微信关注我们

原文链接：https://yq.aliyun.com/articles/238514

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

阿里云个人免费套餐6个月，希望获得的同学可以看过来!

个人免费套餐包含6 款热门产品，包含云服务器 ECS、负载均衡、云数据库 RDS、云数据库 Redis 版弹性公网 IP、对象存储 OSS 等30+款长期免费云产品。如果你喜欢，可以联系我！总体来说，阿里云的服务器免费套餐稳定和正常版没有什么区别，花上一点时间就可以上手，布置自己的生产环境。现在免费套餐很抢手，免费名额有限，可以掏钱在淘宝买 9元钱，也可以在我这里领取，免费联系我Q：2236528008 目前20枚激活码，2017年8月2日另外还有阿里云幸运码： dwz.cn/yhquan 付款时候随机的打折扣阿里云ECS首台8折码同样可以提供给你！

2017-08-01

616

摘要：什么是云主机？云主机是云计算在基础设施应用上的重要组成部分，它是新一代的主机租用服务，它整合了高性能服务器与优质网络带宽，有效解决了传统主机租用价格偏高、服务品参差不齐等缺点，可全面满足中小企业、个人站长用户对主机租用服务低成本，高可靠，易管理的需求。什么是云主机? 云主机是云计算在基础设施应用上的重要组成部分，它是新一代的主机租用服务，它整合了高性能服务器与优质网络带宽，有效解决了传统主机租用价格偏高、服务品参差不齐等缺点，可全面满足中小企业、个人站长用户对主机租用服务低成本，高可靠，易管理的需求。该平台整合了互联网应用三大核心要素：计算、存储、网络，面向用户提供公用化的互联网基础设施服务。云主机是一种类似VPS主机的虚拟化技术，VPS是采用虚拟软件，VZ或VM在一台主机上虚拟出多个类似独立主机的部分，每个部分都可以做单独的操作系统，管理方法同主机一样。云主机的应用范围云主机适用于社区网站、企业官网、门户网站、电子商务网站、SAAS应用(如：在线ERP，CRM，OA，HR)、游戏类应用等。云主机是独立服务器吗?云主机和独立服务器的区别云主机和独立服务器并不是同一个概...

2017-08-02

528

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。