blink cep基于用户的行为分析大杀器
场景 今天我们做o2o有很多的线下场景需要基于用户的行为进行分析，比如 我们在商场入门口装了一个摄像头，可以通过摄像头识别商场进入的人脸，和出去时候的人脸，这样形成了2条数据。商场想统计下，每个用户在商场的逗留时间。这里面就出现了一种pattern的模式，就是当用户进门和出门这两个事件都发生的时候，激发某个动作（事件）。比如在这里是在用户出门的时候将用户进门时间和出门时间的差值相减，并存储在tablestore当中。然后可以通过分析汇总算出今日用户在商场的平均逗留时间，继而可以统计出当月，当年的平均逗留时间,等等,促使商家提升总体运营水平。这里面 用户进入商场 和用户走出商场是两个用户行为，当它们组合在一起时候就有了奇妙的意义。blink在分析此类用户行为方面提供了极其强大的模式匹配功能。下面我以这个场景，详细描述下如果使用。 架构图 用户行为表 用户逗留时间表 用户行为表用来记录摄像头识别的用户进门和出门的产生的记录，用户逗留时间表用来记录每个用户的逗留时间。以用户行为表为blink的源表，用户逗留时间表为结果表。这里使用tablestore为存储数据库。为什么使用tablestor...
