潘金莲改变了历史吗 - PostgreSQL舆情事件分析应用

背景

潘金莲改变了历史吗？

网上的段子

潘金莲撑开窗户，撑窗户滴棍子掉下去了，于是西门庆看到了，于是他们相遇了。如果潘金莲同学当时没有开窗，那么她就不会遇到西门庆。   如果没有遇到西门庆，那么她就不会被迫出轨，那样武松哥哥就不会怒发冲冠为红颜，这样他就不会奔上梁山。   武松就不会奔上梁上，不会奔上梁山之后，哪怕水泊梁山107将依旧轰轰烈烈，但是宋江和方腊的战役，方腊也不会被武松单臂擒住。   只要武松治不了方腊，枭雄方腊就能取得大宋的江山。   只要方腊取得了大宋的江山，就不会有靖康耻，不会有偏安一隅，不会有金兵入关。   金兵不入关，就不会有后来的大清朝。   没有大清朝，当然也不会有后来的闭关锁国，没有慈禧太后。   没有慈禧太后，没有闭关锁国，自然也不会有八国联军侵略中国啊，不会有神马鸦片战争啊。   没有这些杀千刀的战争和不平等条约，中国说不定凭借五千年的文化首先就发展资本主义了。   发展了资本主义，发展到今天，说不定中国早就超过了美国、小日本神马的，赶超了几百年了。已经是最发达的最强悍的国家了。   所以，谁穿越一下告诉潘金莲，你有事没事开神马窗户啊！！！

类似蝴蝶效应，历史是很有趣的事情。

实际上在我们的生活中也有这样的现象或者需求，比如某些业务系统，会记录事件，流水账那样。

然后业务可能想知道某类事件发生后，接下来发生了什么，比如说房价调控措施出台后的事件，是不是有大量资金涌入股票市场？

说道这里，我要把PostgreSQL数据库搬出来，到底怎么实现上述需求呢？

模拟现实

1. 构建事件输入的表结构

create table event(
id serial8 primary key,   -- 自增序列，用于区分事件的先后顺序
class text,   -- 事件类型
info text,    -- 事件描述
crt_time timestamp        -- 事件发生的时间
);

2. 插入1000万事件记录，其中5000个事件的种类。

insert into event (class, info , crt_time) select (5000*random())::int::text, 'test', clock_timestamp() from generate_series(1,10000000);

3. 针对事件种类，创建索引

create index idx_event_class on event (class);

需求

查询某个事件发生后，若干个接下来发生的事件

使用函数可以轻松实现这个需求

create or replace function f(
sql text,   -- 查询要分析的目标事件对应的ID
v_class text,   -- 目标事件的类别
v_n int8,   -- 要查看多少个接下来发生的事件
v_limit int  -- 分析几次事件，如果要输出所有的，那么可以输入一个较大值。
) returns setof event as $$
declare  v_id int8;
begin  for v_id in execute sql loop  return query select * from event where id>=v_id order by id limit v_n+1;  v_limit := v_limit - 1;  if v_limit<=0 then  return;  end if;  end loop;
end;
$$ language plpgsql strict;

查询举例

查询事件类别为1的事件，它后面发生的2个事件，输出10次分析结果。

postgres=# select * from f('select id from event where class=$$1$$', '1', 2, 10);  id   | class | info |          crt_time
-------+-------+------+----------------------------  1592 | 1     | test | 2017-03-31 15:07:23.77348  1593 | 3032  | test | 2017-03-31 15:07:23.773483  1594 | 3409  | test | 2017-03-31 15:07:23.773486  2784 | 1     | test | 2017-03-31 15:07:23.777265  2785 | 2819  | test | 2017-03-31 15:07:23.777268  2786 | 87    | test | 2017-03-31 15:07:23.777271  12176 | 1     | test | 2017-03-31 15:07:23.807489  12177 | 2586  | test | 2017-03-31 15:07:23.807491  12178 | 4101  | test | 2017-03-31 15:07:23.807494  19398 | 1     | test | 2017-03-31 15:07:23.83072  19399 | 1179  | test | 2017-03-31 15:07:23.830723  19400 | 4237  | test | 2017-03-31 15:07:23.830726  19571 | 1     | test | 2017-03-31 15:07:23.831296  19572 | 4368  | test | 2017-03-31 15:07:23.831299  19573 | 2313  | test | 2017-03-31 15:07:23.831302  24708 | 1     | test | 2017-03-31 15:07:23.847794  24709 | 1327  | test | 2017-03-31 15:07:23.847797  24710 | 4584  | test | 2017-03-31 15:07:23.847799  29756 | 1     | test | 2017-03-31 15:07:23.864234  29757 | 4386  | test | 2017-03-31 15:07:23.864237  29758 | 3044  | test | 2017-03-31 15:07:23.864239  30224 | 1     | test | 2017-03-31 15:07:23.865765  30225 | 4704  | test | 2017-03-31 15:07:23.865768  30226 | 332   | test | 2017-03-31 15:07:23.865771  32004 | 1     | test | 2017-03-31 15:07:23.871554  32005 | 219   | test | 2017-03-31 15:07:23.871557  32006 | 3548  | test | 2017-03-31 15:07:23.871559  36472 | 1     | test | 2017-03-31 15:07:23.886097  36473 | 640   | test | 2017-03-31 15:07:23.8861  36474 | 1139  | test | 2017-03-31 15:07:23.886103
(30 rows)

利用以上结果，我们就可以知道发生了事件1之后，都发生了其他什么事件。

至于你要拿这些结果进行接下来的分析，可以使用类似关键词的热点分析方法，或者使用PostgreSQL提供的MADlib机器学习库，又或者使用plR进行分析。

总之你肯定有方法找出事件之间的关联关系。

非独立事件的相关性分析

因为前面分析的都是独立事件，即本身就没有相关性的，所以需要通过函数的方法来输出结果。

对于非独立事件，比如说用户逛淘宝的点鼠标的行为，在点了某个商品后，又点了哪些其他商品。

对于非独立事件，在结构设计上，就有关联字段，比如USERID，所以我们可以很方便的进行关联。

使用PostgreSQL递归调用，就可以对非独立事件进行轨迹分析。

例子

《PostgreSQL 递归查询CASE - 树型路径分组输出》

《用PostgreSQL找回618秒逝去的青春 - 递归收敛优化》

《distinct xx和count(distinct xx)的变态递归优化方法 - 索引收敛(skip scan)扫描》

《PostgreSQL 使用递归SQL 找出数据库对象之间的依赖关系》

《PostgreSQL 递归死循环案例及解法》

《PostgreSQL 递归查询一例 - 资金累加链》

《PostgreSQL Oracle 兼容性之 - WITH 递归 ( connect by )》

《递归优化CASE - group by & distinct tuning case : use WITH RECURSIVE and min() function》

《递归优化CASE - performance tuning case :use cursor\trigger\recursive replace (group by and order by) REDUCE needed blockes scan》

小结

PostgreSQL的递归语法、plpgsql编程，可以很好的满足舆情分析中事件前后事件的分析需求。

再利用PostgreSQL的热点词分析，聚类分析或者使用PostgreSQL提供的MADlib机器学习库，又或者使用plR进行分析。找出事件之间的关联关系。