使用 Clickhouse 计算跳出率

Question

我正在尝试将 Clickhouse 用于我的一个小型分析应用程序，并且我有一个将原始点击记录为的表：

CREATE TABLE hits (
  sessionId LowCardinality(String),
  page LowCardinality(String),
  timestamp DateTime,
  projectId UInt16
) ENGINE = MergeTree() PARTITION BY toYYYYMM(timestamp)
ORDER BY (projectId, page, toStartOfHour(timestamp)) --
  SETTINGS index_granularity = 8192;

之后我可以添加一些示例数据：

sessionId page    timestamp            projectId 
xxx       /       2021-03-12 13:51:12  1         
yyy       /       2021-03-12 13:51:12  1         
xxx       /cool   2021-03-12 13:52:12  1         
fff       /       2021-03-12 13:53:12  1                 

我想要实现的是计算跳出（唯一的 sessionId 出现）和每页的浏览量，例如：

page   bounces views projectId
/      2       3     1
/cool  0       1     1

我可以轻松计算每页的浏览量，但唯一的 sessionId 计数由于 GROUP BY 子句而失败：

SELECT page,
  projectId,
  count(*) as views,
  count(DISTINCT sessionId) as bounces --fail
from hits
GROUP BY (page, projectId);

任何关于更改 Clickhouse 架构甚至使用 Clickhouse 的某些引擎进行聚合的想法、解决方法都将受到高度赞赏。

Answer 1

查看https://clickhouse.tech/docs/en/sql-reference/aggregate-functions/parametric-functions/#function-sequencecount

select projectId, p[1] page, countIf(length(p)=1) bounce
from (
SELECT 
  projectId, sessionId,
  groupArray( page ) p
from hits
GROUP BY sessionId, projectId )
group by projectId,page