Clickhouse高阶分析函数之路径匹配sequenceMatch

sequenceMatch函数检查序列是否包含与模式匹配的事件链。需要指定模式串、时间列和期望的事件序列（最多可指定32个事件）。

语法：sequenceMatch(pattern)(timestamp, cond1, cond2, ...)

参数：

timestamp— 被认为包含时间数据的列。典型的数据类型是Date和DateTime。您还可以使用任何受支持的UInt数据类型

cond1, cond2— 描述事件链的条件数据类型：UInt8. 您最多可以传递 32 个条件参数。该函数仅考虑这些条件中描述的事件。如果序列包含条件中未描述的数据，函数将跳过它们。

pattern— 模式字符串

(?N)— 匹配第N个事件链的条件。条件在[1, 32]范围内编号。例如，(?1)匹配传递给cond1参数的参数。

(?t operator value) — 分开两个事件的时间(单位为秒)。 例如： (?1)(?t>1800)(?2) 匹配彼此发生超过1800秒的事件。 这些事件之间可以存在任意数量的任何事件。 您可以使用 >=, >, <, <=, == 运算符。

.* — 匹配任何事件的数字。 不需要条件参数来匹配这个模式。

返回值：

1，如果模式匹配。 0，如果模式不匹配。

简单理解下参数：

--根据事件链的约束条件 ，看数据中【满足这些约束条件】【根据时间列的顺序】是否与【定义的模式匹配】相同， 相同为1，不相同为0

看个样例代码：

select

--cond1-->cond2, 它跳过了它们之间的数字3，因为该数字没有被描述为事件。 如果我们想在搜索示例中给出的事件链时考虑这个数字，我们应该为它创建一个条件。

sequenceMatch('(?1)(?2)')(time, number = 1, number = 2) is_match1

--cond1-->cond3-->cond2,找不到与模式匹配的事件链，因为数字3的事件发生在1和2之间

,sequenceMatch('(?1)(?2)')(time, number = 1, number = 2, number = 3) is_match2

--cond1-->cond2 ,虽然限制了数字4的事件但是数据中没有4，事件链中也没限制数字4

,sequenceMatch('(?1)(?2)')(time, number = 1, number = 2, number = 4) is_match3

--cond1-->cond3-->cond3--cond2 ,找不到与模式匹配的事件链，因为有两个数字3的事件发生在1和2之间

,sequenceMatch('(?1)(?3)(?2)')(time, number = 1, number = 2, number = 3)is_match4

--cond1-->cond3-->cond3--cond2

,sequenceMatch('(?1)(?3)(?3)(?2)')(time, number = 1, number = 2, number = 3)is_match5

--加入.* ,3和2之前有其他事件也可以匹配上

,sequenceMatch('(?1)(?3).*(?2)')(time, number = 1, number = 2, number = 3) is_match6

--(?1)(?t>=1)(?3) 匹配彼此发生超过1秒的事件。 这些事件之间可以存在任意数量的任何事件

,sequenceMatch('(?1)(?t>=1)(?3)(?2)')(time, number = 1, number = 2, number = 3) is_match7

from VALUES(

('time DateTime ,number Int64'),

('2023-01-01 10:00:01',1),

('2023-01-01 10:00:02',3),

('2023-01-02 10:00:30',3),

('2023-01-04 11:00:50',2));