SQL综合案例之电商漏斗转化分析,pv,uv及

2023-11-03

漏斗模型示例：

不同的业务场景有不同的业务路径 : 有先后顺序, 事件可以出现多次

注册转化漏斗 : 启动APP --> APP注册页面--->注册结果 -->提交订单-->支付成功

搜购转化漏斗 : 搜索商品--> 点击商品--->加入购物车-->提交订单-->支付成功

秒杀活动选购转化漏斗: 点击秒杀活动-->参加活动--->参与秒杀-->秒杀成功--->成功支付

电商的购买转化漏斗模型图：

处理步骤 :

明确漏斗名称：购买转化漏斗

起始事件：浏览了商品的详情页

目标事件：支付

业务流程事件链路：详情页->购物车->下单页->支付

[事件之间有没有时间间隔要求 , 链路中相邻的两个事件是否可以有其他事件]

需求：求购买转化漏斗模型的转换率(事件和事件之间没有时间间隔要求，并且相邻两个事件可以去干其他的事)
1.每一个步骤的uv
2.相对的转换率（下一个步骤的uv/上一个步骤的UV），绝对的转换率(当前步骤的UV第一步骤的UV)

关心的事件：e1,e2,e4,e5  ==> 先后顺序不能乱

-- 准备数据
user_id  event_id   event_action  event_time
u001,e1,view_detail_page,2022-11-01 01:10:21
u001,e2,add_bag_page,2022-11-01 01:11:13
u001,e3,collect_goods_page,2022-11-01 02:07:11
u002,e3,collect_goods_page,2022-11-01 01:10:21
u002,e4,order_detail_page,2022-11-01 01:11:13
u002,e5,pay_detail_page,2022-11-01 02:07:11
u002,e6,click_adver_page,2022-11-01 13:07:23
u002,e7,home_page,2022-11-01 08:18:12
u002,e8,list_detail_page,2022-11-01 23:34:29
u002,e1,view_detail_page,2022-11-01 11:25:32
u002,e2,add_bag_page,2022-11-01 12:41:21
u002,e3,collect_goods_page,2022-11-01 16:21:15
u002,e4,order_detail_page,2022-11-01 21:41:12
u003,e5,pay_detail_page,2022-11-01 01:10:21
u003,e6,click_adver_page,2022-11-01 01:11:13
u003,e7,home_page,2022-11-01 02:07:11
u001,e4,order_detail_page,2022-11-01 13:07:23
u001,e5,pay_detail_page,2022-11-01 08:18:12
u001,e6,click_adver_page,2022-11-01 23:34:29
u001,e7,home_page,2022-11-01 11:25:32
u001,e8,list_detail_page,2022-11-01 12:41:21
u001,e1,view_detail_page,2022-11-01 16:21:15
u001,e2,add_bag_page,2022-11-01 21:41:12
u003,e8,list_detail_page,2022-11-01 13:07:23
u003,e1,view_detail_page,2022-11-01 08:18:12
u003,e2,add_bag_page,2022-11-01 23:34:29
u003,e3,collect_goods_page,2022-11-01 11:25:32
u003,e4,order_detail_page,2022-11-01 12:41:21
u003,e5,pay_detail_page,2022-11-01 16:21:15
u003,e6,click_adver_page,2022-11-01 21:41:12
u004,e7,home_page,2022-11-01 01:10:21
u004,e8,list_detail_page,2022-11-01 01:11:13
u004,e1,view_detail_page,2022-11-01 02:07:11
u004,e2,add_bag_page,2022-11-01 13:07:23
u004,e3,collect_goods_page,2022-11-01 08:18:12
u004,e4,order_detail_page,2022-11-01 23:34:29
u004,e5,pay_detail_page,2022-11-01 11:25:32
u004,e6,click_adver_page,2022-11-01 12:41:21
u004,e7,home_page,2022-11-01 16:21:15
u004,e8,list_detail_page,2022-11-01 21:41:12
u005,e1,view_detail_page,2022-11-01 01:10:21
u005,e2,add_bag_page,2022-11-01 01:11:13
u005,e3,collect_goods_page,2022-11-01 02:07:11
u005,e4,order_detail_page,2022-11-01 13:07:23
u005,e5,pay_detail_page,2022-11-01 08:18:12
u005,e6,click_adver_page,2022-11-01 23:34:29
u005,e7,home_page,2022-11-01 11:25:32
u005,e8,list_detail_page,2022-11-01 12:41:21
u005,e1,view_detail_page,2022-11-01 16:21:15
u005,e2,add_bag_page,2022-11-01 21:41:12
u005,e3,collect_goods_page,2022-11-01 01:10:21
u006,e4,order_detail_page,2022-11-01 01:11:13
u006,e5,pay_detail_page,2022-11-01 02:07:11
u006,e6,click_adver_page,2022-11-01 13:07:23
u006,e7,home_page,2022-11-01 08:18:12
u006,e8,list_detail_page,2022-11-01 23:34:29
u006,e1,view_detail_page,2022-11-01 11:25:32
u006,e2,add_bag_page,2022-11-01 12:41:21
u006,e3,collect_goods_page,2022-11-01 16:21:15
u006,e4,order_detail_page,2022-11-01 21:41:12
u006,e5,pay_detail_page,2022-11-01 23:10:21
u006,e6,click_adver_page,2022-11-01 01:11:13
u007,e7,home_page,2022-11-01 02:07:11
u007,e8,list_detail_page,2022-11-01 13:07:23
u007,e1,view_detail_page,2022-11-01 08:18:12
u007,e2,add_bag_page,2022-11-01 23:34:29
u007,e3,collect_goods_page,2022-11-01 11:25:32
u007,e4,order_detail_page,2022-11-01 12:41:21
u007,e5,pay_detail_page,2022-11-01 16:21:15
u007,e6,click_adver_page,2022-11-01 21:41:12
u007,e7,home_page,2022-11-01 01:10:21
u008,e8,list_detail_page,2022-11-01 01:11:13
u008,e1,view_detail_page,2022-11-01 02:07:11
u008,e2,add_bag_page,2022-11-01 13:07:23
u008,e3,collect_goods_page,2022-11-01 08:18:12
u008,e4,order_detail_page,2022-11-01 23:34:29
u008,e5,pay_detail_page,2022-11-01 11:25:32
u008,e6,click_adver_page,2022-11-01 12:41:21
u008,e7,home_page,2022-11-01 16:21:15
u008,e8,list_detail_page,2022-11-01 21:41:12
u008,e1,view_detail_page,2022-11-01 01:10:21
u009,e2,add_bag_page,2022-11-01 01:11:13
u009,e3,collect_goods_page,2022-11-01 02:07:11
u009,e4,order_detail_page,2022-11-01 13:07:23
u009,e5,pay_detail_page,2022-11-01 08:18:12
u009,e6,click_adver_page,2022-11-01 23:34:29
u009,e7,home_page,2022-11-01 11:25:32
u009,e8,list_detail_page,2022-11-01 12:41:21
u009,e1,view_detail_page,2022-11-01 16:21:15
u009,e2,add_bag_page,2022-11-01 21:41:12
u009,e3,collect_goods_page,2022-11-01 01:10:21
u010,e4,order_detail_page,2022-11-01 01:11:13
u010,e5,pay_detail_page,2022-11-01 02:07:11
u010,e6,click_adver_page,2022-11-01 13:07:23
u010,e7,home_page,2022-11-01 08:18:12
u010,e8,list_detail_page,2022-11-01 23:34:29
u010,e5,pay_detail_page,2022-11-01 11:25:32
u010,e6,click_adver_page,2022-11-01 12:41:21
u010,e7,home_page,2022-11-01 16:21:15
u010,e8,list_detail_page,2022-11-01 21:41:12


-- 创建表
drop table if exists event_info_log;
create table event_info_log
(
user_id varchar(20),
event_id varchar(20),
event_action varchar(20),
event_time datetime
)
DUPLICATE KEY(user_id)
DISTRIBUTED BY HASH(user_id) BUCKETS 1;

-- 通过本地文件的方式导入数据
curl \
 -u root: \
 -H "label:event_info_log" \
 -H "column_separator:," \
 -T /root/data/event_log.txt \
 http://linux01:8040/api/test/event_info_log/_stream_load

逻辑分析：

1. 先将用户的事件序列，按照漏斗模型定义的条件进行过滤，留下满足条件的事件

2. 将同一个人的满足条件的事件ID收集到数组,按时间先后排序,拼接成字符串

3. 将拼接好的字符串，匹配漏斗模型抽象出来的正则表达式

方法一:

--1. 先将用户的事件序列，按照漏斗模型定义的条件进行过滤，留下满足条件的事件
--2. 将同一个人的满足条件的事件ID收集到数组,按时间先后排序,拼接成字符串
--3. 将拼接好的字符串，匹配漏斗模型抽象出来的正则表达式

1.筛选时间条件，确定每个人的事件序列
select 
user_id,
max(event_ll) as event_seq  
from 
(
select 
user_id,
group_concat(event_id)over(partition by user_id order by report_date) as event_ll
from 
(
  select 
  user_id,event_id,report_date
  from event_info_log
  where event_id in ('e1','e2','e4','e5')
  and to_date(report_date) = '2022-11-01'
  order by user_id,report_date
) as temp
) as temp2
group by user_id;

+---------+------------------------+
| user_id | event_ll               |
+---------+------------------------+
| u006    | e4, e5, e1, e2, e4, e5 |
| u007    | e1, e4, e5, e2         |
| u005    | e1, e2, e5, e4, e1, e2 |
| u004    | e1, e5, e2, e4         |
| u010    | e4, e5, e5             |
| u001    | e1, e2, e5, e4, e1, e2 |
| u003    | e5, e1, e4, e5, e2     |
| u002    | e4, e5, e1, e2, e4     |
| u008    | e1, e1, e5, e2, e4     |
| u009    | e2, e5, e4, e1, e2     |
+---------+------------------------+

2.确定匹配规则模型
select
   user_id,
   '购买转化漏斗' as funnel_name ,
   case
   -- 正则匹配，先触发过e1，在触发过e2，在触发过e4，在触发过e5
   when    event_seq  rlike('e1.*e2.*e4.*e5') then 4
   -- 正则匹配，先触发过e1，在触发过e2，在触发过e4
   when    event_seq  rlike('e1.*e2.*e4') then 3
   -- 正则匹配，先触发过e1，在触发过e2
   when    event_seq  rlike('e1.*e2') then 2
   -- 正则匹配，只触发过e1
   when    event_seq  rlike('e1') then 1
   else 0 end step
from 
(
 select 
user_id,
max(event_ll) as event_seq  
from 
(
select 
user_id,
group_concat(event_id)over(partition by user_id order by report_date) as event_ll
from 
(
  select 
  user_id,event_id,report_date
  from event_info_log
  where event_id in ('e1','e2','e4','e5')
  and to_date(report_date) = '2022-11-01'
  order by user_id,report_date
) as temp
) as temp2
group by user_id
) as tmp3;

+---------+--------------------+------+
| user_id | funnel_name        | step |
+---------+--------------------+------+
| u006    | 购买转化漏斗       |    4 |
| u007    | 购买转化漏斗       |    2 |
| u005    | 购买转化漏斗       |    3 |
| u004    | 购买转化漏斗       |    3 |
| u010    | 购买转化漏斗       |    0 |
| u001    | 购买转化漏斗       |    3 |
| u003    | 购买转化漏斗       |    2 |
| u002    | 购买转化漏斗       |    3 |
| u008    | 购买转化漏斗       |    3 |
| u009    | 购买转化漏斗       |    2 |
+---------+--------------------+------+

-- 最后计算转换率
select 
  funnel_name,
  sum(if(step >= 1 ,1,0)) as step1,
  sum(if(step >= 2 ,1,0)) as step2,
  sum(if(step >= 3 ,1,0)) as step3,
  sum(if(step >= 4 ,1,0)) as step4,
  round(sum(if(step >= 2 ,1,0))/sum(if(step >= 1 ,1,0)),2) as 'step1->step2_radio',
  round(sum(if(step >= 3 ,1,0))/sum(if(step >= 2 ,1,0)),2) as 'step2->step3_radio',
  round(sum(if(step >= 4 ,1,0))/sum(if(step >= 3 ,1,0)),2) as 'step3->step4_radio'
from 
(
     select
        '购买转化漏斗' as funnel_name ,
        case
        -- 正则匹配，先触发过e1，在触发过e2，在触发过e4，在触发过e5
        when    event_seq  regexp('e1.*e2.*e4.*e5') then 4
        -- 正则匹配，先触发过e1，在触发过e2，在触发过e4
        when    event_seq  regexp('e1.*e2.*.*e4') then 3
        -- 正则匹配，先触发过e1，在触发过e2
        when    event_seq  regexp('e1.*e2') then 2
        -- 正则匹配，只触发过e1
        when    event_seq  regexp('e1') then 1
        else 0 end step
     from 
     (
        select 
        user_id,
        max(event_seq) as event_seq 
        from 
        -- 因为在doris1.1版本中还不支持数组，所以拼接字符串的时候还没办法排序
        (
        select 
        user_id,
        -- 用开窗的方式进行排序，然后在有序的按照时间升序，将事件拼接
        group_concat(concat(report_date,'_',event_id),'|')over(partition by user_id order by report_date) as event_seq
        from event_info_log 
        where to_date(report_date) = '2022-11-01'
        and event_id in('e1','e4','e5','e2')
        ) as tmp 
        group by user_id
     ) as t1 
) as t2
group by funnel_name;

+--------------------+-------+-------+-------+-------+--------------------+--------------------+--------------------+
| funnel_name        | step1 | step2 | step3 | step4 | step1->step2_radio | step2->step3_radio | step3->step4_radio |
+--------------------+-------+-------+-------+-------+--------------------+--------------------+--------------------+
| 购买转化漏斗       |     9 |     9 |     6 |     1 |                  1 |               0.67 |               0.17 |
+--------------------+-------+-------+-------+-------+--------------------+--------------------+--------------------+

方法二:

1.按照时间排序,将所有事件全部拿出来,拼成一个字符串

select
 user_id,max(sz)eventhing
 from(
 select
 user_id,group_concat(event_id)over(partition by user_id order by event_time asc)sz
 from
 event_info_log
 )t1
 group by user_id;
 
 +---------+--------------------------------------------+
| user_id | eventhing                                  |
+---------+--------------------------------------------+
| u006    | e6, e4, e5, e7, e1, e2, e6, e3, e4, e5, e8 |
| u007    | e7, e7, e1, e3, e4, e8, e5, e6, e2         |
| u005    | e1, e3, e2, e3, e5, e7, e8, e4, e1, e2, e6 |
| u004    | e7, e8, e1, e3, e5, e6, e2, e7, e8, e4     |
| u010    | e4, e5, e7, e5, e6, e6, e7, e8, e8         |
| u001    | e1, e2, e3, e5, e7, e8, e4, e1, e2, e6     |
| u003    | e5, e6, e7, e1, e3, e4, e8, e5, e6, e2     |
| u002    | e3, e4, e5, e7, e1, e2, e6, e3, e4, e8     |
| u008    | e1, e8, e1, e3, e5, e6, e2, e7, e8, e4     |
| u009    | e3, e2, e3, e5, e7, e8, e4, e1, e2, e6     |
+---------+--------------------------------------------+
 
 
 2.
 -- 正则匹配
 select
 "电商的漏斗模型" as funnel_name,
 sum(if(step>=1,1,0))as step1_uv,
 sum(if(step>=2,1,0))as step2_uv,
 sum(if(step>=3,1,0))as step2_uv,
 sum(if(step>=4,1,0))as step2_uv
 
 from
 (
 select
  user_id,
  case 
		when eventhing rlike('e1.*e2.*e4.*e5') then 4
		when eventhing rlike('e1.*e2.*e4') then 3
		when eventhing rlike('e1.*e2') then 2
		when eventhing rlike('e1') then 1
		else 0 end as step
 from
 (
 select
 user_id,max(sz)eventhing
 from(
 select
 user_id,group_concat(event_id)over(partition by user_id order by event_time asc)sz
 from
 event_info_log
 )t1
 group by user_id
 )t2
 )t3

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

uv

sql

代码实现

Doris

数据库

SQL综合案例之电商漏斗转化分析,pv,uv及的相关文章

导出 Azure SQL 数据库时出现错误 SQL71501

导出 Azure SQL 数据库时出现奇怪的错误导出一直工作正常直到最近发生一些架构更改但现在出现错误 SQL71501 该数据库是V12 兼容性级别130 尽管master数据库仍兼容级别 120 该问题似乎是由一个新的表值函数引起
Visual Studio 2008 (C#) 与 SQL Compact Edition 数据库错误：26

与网络相关或特定于实例的建立时发生错误连接到 SQL Server 服务器未找到或无法访问验证实例名称是否为正确并且 SQL Server 是配置为允许远程连接提供商 SQL 网络接口错误 26 错误定位指定服务器实
当添加列较少时追加到现有 SQLite 表，而不将数据库读入 R

是否有一些简单的方法无论是在 SQL 端还是在 R 端将 data frame 附加到具有更多列的现有表缺失的列应该用 NA 填充如果它能够优雅地处理比表 1 列数更多的表 2 那么会加分吗 library RSQLite Crea
如何从 Databricks Delta 表中删除列？

我最近开始发现 Databricks 并遇到了需要删除增量表的特定列的情况当我使用 PostgreSQL 时它就像 ALTER TABLE main metrics table DROP COLUMN metric 1 我正在浏览 Da
SQL，帮助进行有关用户年龄的小查询

我有一个包含注册用户的表其中我将年份保存为 varchar 值只是因为我只花了一年我想创建包含年龄的饼图以显示哪些用户更有可能注册下面的查询给出了表中出现超过 5 次的用户年龄计数以避免结果过小虽然这些小结果低于 having
oracle日期序列？

我有一个 oracle 数据库我需要一个包含 2 年所有日期的表例如来自01 01 2011 to 01 01 2013 首先我想到了一个序列但显然唯一支持的类型是数字所以现在我正在寻找一种有效的方法来做到这一点欢呼骗局如果您想
仅使用 SQL 中的 MAX 函数更新重复行

我有一张这样的桌子假设为了举例 NAME是一个唯一的标识符 NAME AGE VALUE Jack Under 65 3 Jack 66 74 5 John 66 74 7 John Over 75 9 Gill 25 35 11 Som
动态/条件 SQL 连接？

我在 MSSQL 表 TableB 中有数据其中 dbo tableB myColumn 在特定日期后更改格式我正在做一个简单的连接到该表 Select dbo tableB theColumnINeed from dbo tableA
导致聚集索引扫描的日期参数

我有以下查询 DECLARE StartDate DATE 2017 09 22 DECLARE EndDate DATE 2017 09 23 SELECT a col1 a col2 b col1 b col2 b col3 a col
PIVOT 运算符中指定的列名“FirstName”与 PIVOT 参数中的现有列名冲突

当我尝试替换时收到以下错误消息null to zero PIVOT 运算符中指定的列名 jan 与 PIVOT 参数中的现有列名称查询如下 select from select isnull jan 0 isnull feb 0 sum
从Oracle表中删除重复行

我正在 Oracle 中测试某些内容并使用一些示例数据填充表但在此过程中我不小心加载了重复记录因此现在我无法使用某些列创建主键如何删除所有重复行并只保留其中一行 Use the rowid伪列 DELETE FROM your tab
数据库不存在。确保名称输入正确

为什么我会出现这个错误如果您查看屏幕截图您将看到数据库仅当我连接到两个数据库引擎时才会发生这种情况它仅检测下面数据库引擎中的数据库而不检测突出显示的数据库除了关闭应用程序并仅打开一个数据库引擎之外还有其他方法可以使用我的数据库
PHP 中的 SQL 语句与 phpmyadmin 中的 SQL 语句的行为不同

I have form store sql INSERT INTO myodyssey myaccount id email username password VALUES NULL email unixmiah formtest woo
将 copyfromrecordset 写入范围

我有以下 vba 它从单元格 C10 开始读取 MCO 直到其为空并将从 SQL 数据库获取机器数量解密和升级机器数量这工作正常但我在获取相应行中的数据时遇到问题目前它总是将数据写入 D10 因为我已经对其进行了硬编码但我不确定
动态 SQL 和 where case 哪个更好？

我需要创建一个带有 12 个参数的存储过程并使用这些参数的不同组合来过滤查询所有 12 个参数都不是强制性的就好像我传递 3 5 或 12 个参数取决于用户输入的搜索输入一样我可以通过两种方式创建即使用动态 SQL 查询或使用 C
Oracle 查询向上或向下舍入到最近的 15 分钟间隔

08 SEP 20 08 55 05 08 SEP 20 15 36 13 下面的查询对于 15 36 13 可以正常工作因为它四舍五入到 15 30 但 8 55 05 向下舍入到 08 45 而它应该四舍五入到 09 00 selec
如何将 LEFT JOIN 限制为 SQL Server 中的第一个结果？

我有一些 SQL 几乎可以做我想做的事情我正在使用三个表 Users UserPhoneNumbers 和 UserPhoneNumberTypes 我正在尝试获取用户列表及其电话号码以供导出数据库本身很旧并且存在一些完整性问题我的问
为什么 Clojure MySQL 查询结果中出现“M”

我有一个返回一行的 Clojure 查询下面是返回行映射的部分打印输出 employer percent 0 00M premium 621 44M 这两列在mysql表中分别是decimal 5 2 和decimal 7 2 为什么
在单个查询中设置和选择？

我想知道是否可以在单个查询中设置和选择像这样的事情 SET LOCAL search path TO 1 SET LOCAL ROLE user SELECT from posts 你可以这样做 with some set as sele
如果不存在则插入数据（来自 2 个表），否则更新

再会我有3张桌子 tbl仓库产品 ProductID ProductName ProductCode Quantity tbl分公司产品 ProductID ProductCode ProductCode Quantity Locatio

随机推荐

Android和iOS 测试五个最好的开源自动化工具

本文主要介绍Android和iOS 五个最好的开源自动化工具这里整理了相关资料希望能帮助测试软件的朋友有需要的看下自动化测试在产品测试上有着非常重要的作用实现测试自动化有多种积极的方式包括最大限度地减少测试执行时间在关键的发布
相约久久网 -- 有很多东西值得学习

http www meet99 com 转载于 https www cnblogs com yqskj archive 2012 10 07 2714622 html
flutter 怎么实现app整体灰度

今天举国哀悼进入各种大厂的app也可以看到主色都变成灰色的了作为程序员我们肯定会想怎么可以实现的我简单研究了10分钟 flutter中只要在整体外面套一个ShaderMask 然后修改blendMode即可核心代码 class My
CentOS7目录结构详细版

原文地址 http www cnblogs com ellisonDon archive 2012 10 03 2710730 html 原文地址 https www cnblogs com ellisonDon archive 2012
SpringBoot集成ShardingJDBC系列【2】—— 基于yaml基本配置

文章只负责讲解sharding的相关配置 springboot其他的配置自己解决文章内容将分开发布便于平时查阅基于yaml基本配置在application yml配置文件中对mybatis plus做简单的配置这里不对Mybati
Flutter设置Container的高度随ListView或者GridView

在做移动端的时候很多时候会需要下图所示的需求如图1美团外卖首页的一部分先进行需求分析这个模块可以设计成Container包含GridView GridView中子内容个数由后台数据控制但是在直接写Container包含GridVi
第130篇在 OpenSea 上创建自己的 NFT 商店（2）

本文介绍一种通过自己部署智能合约在 OpenSea 上创建自己的 NFT 商店的方法 1 ERC721合约写一个最简单的标准 ERC721 合约源码 SPDX License Identifier MIT pragma solidit
java 简介

java 简介 1991 年Sun公司的James Gosling 詹姆斯高斯林等人开始开发名称为 Oak 的语言希望用于控制嵌入在有线电视交换盒 PDA等的微处理器 1994年将Oak语言更名为Java 1 java体系结构 j2s
C语言笔记指针数组

C语言中指针做函数参数传递二维数组有两种基本方法 1 传递数组指针 include
Openstack常用命令

目录一创建用户二创建删除模板和模板其他操作三创建更新删除镜像四创建网络五 VPN的使用六创建容器swift模块前言在linux中使用openstakc命令前需要source etc keystone admin
设计模式在开源框架中的应用

设计模式不是虚的实实在在出现在很多开源框架中比如spring tomcat等等现在这篇文章是一个阅读合集整理了设计模式在开源框架中的应用后续会逐渐补充 1 tomcat中设计模式的使用 Tomcat 系统架构与设计模式第 2 部
最大期望值（EM算法）学习

20201008 0 引言提示本篇文章并没有详细的说明EM算法数学推导虽然前面通过GMM的例子能够明白大致的思想但是在底层数学推导部分没有非常完整说明后续有时间可能会继续添加如果想知道数学原理的读者就不要浪费时间再看这篇文章了
TCP/IP学习笔记-PPPoE协议

写在前面仅供学习使用 PPPoE协议概述 PPPoE是一种把PPP帧封装到以太网帧的链路层协议所以抓包的时候抓的是以太网协议 PPPoE利用以太网将大量主机组网不仅具有以太网快速简便的特点还有PPP强大的功能任何能被PPP封装的协议
OLED拼接屏生产流程全解析：关键步骤、注意事项和技术趋势

OLED拼接屏作为现代商业展示会议室和指导系统中的重要组成部分其高亮度高对比度和逼真的色彩效果备受推崇然而要实现一块完美无缝的OLED拼接屏并非易事本文将深入探讨OLED拼接屏的生产过程包括关键步骤注意事项以及当前的技术趋势
Spring Cloud Gateway 远程代码执行漏洞（CVE-2022-22947）

一漏洞描述 Spring Cloud Gateway 是基于 Spring Framework 和 Spring Boot 构建的网关它旨在为微服务架构提供一种简单有效统一的 API 路由管理方式 3月1日 VMware发布安全公告
Linux三剑客（grep、sed、awk）

Linux三剑客指的是grep sed awk 其中grep擅长查找功能 sed擅长取行和替换 awk擅长取列一 grep grep作用是筛选查询文本搜索工具根据用户指定的模式 pattern 对目标文本进行过滤显示被模式匹配到
bp神经网络算法matlab程序,bp神经网络的matlab实现

MATLAB中BP神经网络的训练算法具体是怎么样的先用newff函数建立网络再用train函数训练即可 1 正向传播输入样本 gt 输入层 gt 各隐层处理 gt 输出层注1 若输出层实际输出与期望输出教师信号不符则转入2 误
MATLAB批量重命名存储数据

目录文件查找文件移动和改名所调用函数功能文件查找首先确定数据存储的文件夹地址记为folder dir 如果该文件夹不存在需要访问的子文件夹则直接复制文件地址如果存在需要访问的子文件夹则要利用dir函数进行寻找将子文件夹信
Content-Type

要学习content type 必须事先知道它到底是什么是干什么用的 HTTP协议 RFC2616 采用了请求响应模型客户端向服务器发送一个请求请求头包含请求的方法 URI 协议版本以及包含请求修饰符客户信息和内容的类似于MI
SQL综合案例之电商漏斗转化分析,pv,uv及

漏斗模型示例不同的业务场景有不同的业务路径有先后顺序事件可以出现多次注册转化漏斗启动APP gt APP注册页面 gt 注册结果 gt 提交订单 gt 支付成功搜购转化漏斗搜索商品 gt 点击商品 gt 加入购物车 gt 提交

SQL综合案例之电商漏斗转化分析,pv,uv及

SQL综合案例之电商漏斗转化分析,pv,uv及 的相关文章

随机推荐

热门标签

SQL综合案例之电商漏斗转化分析,pv,uv及的相关文章