潘金莲改变了历史之 - PostgreSQL舆情事件分析应用

digoal 2017-03-31

419

TAG 15

作者

digoal

日期

2017-03-31

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。