Si consideri l'esempio di un data set costituito dai log di accesso di Oracle WebLogic Server dall'origine log FMW WLS Server Access Logs. I record di log contengono dati sull'accesso a Oracle WebLogic Server da parte degli utenti per un periodo di tempo specifico. Questi singoli record di log possono essere analizzati per ottenere informazioni significative sulle statistiche di utilizzo, sulla popolarità degli URL, sugli utenti più attivi e su altri dati di questo tipo. Dai log, imparare a ottenere i risultati seguenti analizzando i record di log con la selezione di campi specifici per ogni risultato:

1. Visualizza i primi URL per numero di accessi

2. Visualizza le anomalie per numero di accessi

3. Visualizza le anomalie per durata accesso

4. Identifica gli URL in base alla dimensione di caricamento

5. Identifica gli URL in base alla dimensione del download

6. Analizza la correlazione tra numero di accessi e dimensione download

7. Determina le pagine più visitate

8. Identifica i primi utenti

9. Identificare i primi utenti e le relative pagine preferite

10. Identificare la pagina di inserimento che determina il numero massimo di visite

11. Identificare il percorso di entrata ed uscita per la maggior parte degli utenti

Per recuperare il data set, selezionare un intervallo di date appropriato, specificare l'origine log ed eseguire la query:

'Log Source' = 'FMW WLS Server Access Logs'

Selezionare Collegamento dal pannello Visualizza. Verrà visualizzata la tabella dei gruppi 'Log di accesso al server FMW WLS' e il grafico a bolle.

1. Per visualizzare i primi URL per numero di accessi, raggruppare i record di log in base al valore dell'URL nel record di log, ottenere il conteggio totale dell'URL in ogni gruppo, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e visualizzare il risultato in formato tabulare. Questa analisi consente di determinare gli URL più utilizzati.

   1. Trascinare il campo URI in Raggruppa per e rimuovere il campo Origine log da Raggruppa per.

   2. After the query is executed, in the command-line, change the names of the fields Count to Number of Hits, Start Time to First Access, End Time to Last Access, and Group Duration to Access Duration.

   3. Rimuovere il comando classify dalla riga di comando e sottomettere la query.

      La query sarà la seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link URI | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration'

   Durante l'esecuzione della query, è possibile determinare i primi URL in base al numero di accessi nella tabella. Le colonne vengono rinominate come specificato nel comando rename.

2. Per visualizzare le anomalie in base al numero di accessi, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per il numero di accessi dell'URL. Con questa analisi, è possibile separare il modello insolito nell'accesso agli URL.

   Fare clic su Analizza, selezionare Numero di accessi e fare clic su OK.

   La query deve essere modificata come segue:

   'Log Source' = 'FMW WLS Server Access Logs' | link URI | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify topcount = 300 'Number of Hits'

   Questa query attiva l'analisi della colonna 'Numero di accessi' e crea bolle che rappresentano gli intervalli comunemente visualizzati. La maggior parte dei valori sono trattati come base di riferimento. Ad esempio, una bolla di grandi dimensioni può diventare la linea di base oppure un gran numero di bolle più piccole raggruppate insieme può formare la linea di base. Le bolle più lontane dalla linea di base sono contrassegnate come anomalie.

   In questo modo vengono visualizzati gli URL anomali raggruppati in bolle separate nel grafico a bolle. Per visualizzare la percentuale di URL in ogni intervallo di numero di accessi, passare il puntatore del mouse sulle bolle.

3. Per visualizzare le anomalie in base alla durata dell'accesso, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per la durata dell'accesso dell'URL. Con questa analisi, è possibile separare il modello insolito nel tempo impiegato per accedere agli URL. In seguito al passaggio 2:

   Fare clic su Analizza, selezionare Durata accesso e fare clic su OK.

   La durata dell'accesso è un'indicazione della durata dell'accesso a ciascun URL. Il valore viene calcolato come differenza tra l'ultimo indicatore orario e il primo indicatore orario nel file di log per ogni URL.

4. Per identificare gli URL in base alla dimensione di caricamento, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi in base alla dimensione dei dati caricati. Questa analisi consente di identificare gli URL con dimensioni insolite dei dati caricati. In seguito al passaggio 3:

   1. Trascinare il campo Dimensione contenuto in nella sezione Valore.

   2. Rinominare il campo Dimensione contenuto in in Byte caricati modificando la query sulla riga di comando ed eseguendo la query.

   3. Fare clic su Analizza, selezionare Byte caricati e fare clic su OK.

      La query sarà la seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link URI | stats avg('Content Size In') as 'Bytes Uploaded' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify topcount = 300 'Bytes Uploaded'

      Il grafico Analizza visualizza i gruppi di URL in base ai byte caricati.

   4. Per correlare i dati di Byte caricati nell'intervallo di tempo, è possibile nascondere o visualizzare in modo selettivo i grafici nelle opzioni del grafico dell'istogramma. Esplora le altre opzioni di visualizzazione oltre al grafico a barre.

5. Per identificare gli URL in base alla dimensione di download, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi in base alla dimensione dei dati scaricati. Con questa analisi è possibile identificare gli URL con dimensioni insolite dei dati scaricati. In seguito al passaggio 4:

   1. Trascinare il campo Dimensione contenuto in uscita nella sezione Valore e rimuovere Dimensione contenuto in entrata dalla sezione Valore.

   2. Rinominare il campo Dimensione contenuto in Dimensione download modificando la query sulla riga di comando ed eseguendo la query.

   3. Fare clic su Analizza, selezionare Dimensione download e fare clic su OK.

      La query sarà la seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link URI | stats avg('Content Size Out') as 'Download Size' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify topcount = 300 'Download Size'

      Il grafico Analizza visualizza i gruppi di URL in base alle dimensioni di download.

   4. Per correlare i dati di Dimensione scaricamento nell'intervallo di tempo, è possibile nascondere o visualizzare in modo selettivo i grafici nelle opzioni del grafico dell'istogramma. Esplora le altre opzioni di visualizzazione oltre al grafico a barre.

6. Per analizzare la correlazione tra il numero di accessi riusciti e la dimensione di scaricamento, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per la dimensione dei dati scaricati e il numero di accessi riusciti. Con questa analisi è possibile identificare gli URL con pattern insoliti di dimensioni dei dati scaricati e numero di accessi. In seguito al passaggio 5:

   1. Fare clic su Analizza, selezionare i campi Numero di accessi, Dimensione download e fare clic su OK.

   2. Rimuovere topcount=300 dalla query per visualizzare tutte le bolle ed eseguire la query.

      La query sarà la seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link URI | stats avg('Content Size Out') as 'Download Size' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify 'Download Size', 'Number of Hits'

   Nel grafico a bolle, il campo Numero di accessi viene tracciato lungo l'asse X e Dimensione download lungo l'asse Y.

   
   
   
   Descrizione dell'immagine correlation.bmp
   
   

   Le bolle possono essere interpretate come segue:

   • Il 73,8% degli URL sono stati consultati da uno a sette volte.

   • La dimensione media dei download per il 73,8% degli URL è compresa tra 32.345 e 34.000. Questo intervallo ristretto implica che un gran numero di URL hanno un comportamento molto uniforme con riferimento alle dimensioni del download.

   • Dal momento che il 73,8% è la grande maggioranza, il resto dei punti sono contrassegnati come anomalie.

   • Con i dati reali, è comune per il sistema raggruppare i file .css, .js e immagini separatamente dagli altri URL perché tendono ad avere comportamenti di download diversi.

7. Per determinare le pagine più visitate, raggruppare i record di log in base al valore dell'URL nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per il numero di visitatori univoci. Con questa analisi, è possibile identificare gli URL che sono più visitati dai visitatori unici. In seguito al passaggio 6:

   1. Trascinare il campo Nome utente nella sezione Valore.

   2. Fare clic sulla freccia giù accanto al nome del campo e modificare la funzione da Unique a Distinct Count. Vedere le altre funzioni che è possibile selezionare per un campo numerico:

   3. Rinominare il campo Nome utente in Numero di utenti univoci, rimuovere il comando classify modificando la query sulla riga di comando ed eseguire la query. La query sarà la seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link URI | stats avg('Content Size In') as 'Bytes Uploaded', avg('Content Size Out') as 'Download Size', distinctcount('User Name') as 'Number of Unique Users' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' 

   4. Fare clic su Analizza, selezionare il campo Numero di utenti univoci e fare clic su OK.

   La tabella elenca gli URL e il numero corrispondente di utenti univoci, aiutandoci a identificare gli URL più visitati dagli utenti univoci. Nella tabella è inoltre possibile determinare il numero di accessi di cui dispone ciascun URL.

   L'analisi mostra che oltre il 99% degli URL ha 0 o 1 utente univoco. Questo sarebbe il caso per gli URL che non hanno bisogno di un login, o sono raramente accessibili. L'espansione a una delle bolle più piccole indicherà le pagine specifiche, quanti colpi hanno in genere e quanti visitatori unici.

8. Per identificare i primi utenti, raggruppare i record di log in base al valore del nome utente nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per il numero di accessi. Con questa analisi è possibile identificare gli utenti più attivi.

   1. Modificare la riga di comando per rimuovere tutti i filtri: 'Log Source' = 'FMW WLS Server Access Logs' | link URI

   2. Trascinare il campo Nome utente in Raggruppa per, rimuovere URI ed eseguire la query.

   3. Rimuovere il comando classify, rinominare i campi predefiniti nella riga di comando ed eseguire la query seguente:

      'Log Source' = 'FMW WLS Server Access Logs' | link 'User Name' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration'

      La tabella è ordinata in base al numero di accessi eseguiti dall'utente.

   4. Per visualizzare il comportamento dell'utente in base all'accesso, fare clic su Analizza, selezionare il campo Numero di accessi e fare clic su OK.

   5. Fare clic sulle anomalie per identificare gli utenti che hanno registrato un numero di accessi superiore o inferiore rispetto agli altri utenti.

9. Per identificare i primi utenti e le relative pagine preferite, raggruppare i record di log in base al valore del nome utente nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per il numero di pagine univoche. Questa analisi consente di identificare gli utenti meno attivi e più attivi e le relative pagine preferite. In seguito al passaggio 8:

   1. Trascinare il campo URI nella sezione Valore. Modificare la funzione da Unique a Distinct Count.

   2. Rinominare il campo URI in Numero di pagine univoche modificando la query nella riga di comando ed eseguendo la query.

   3. Fare clic su Analizza, selezionare il campo Numero di pagine univoche e fare clic su OK.

10. Per identificare la pagina di immissione che determina il numero massimo di visite, raggruppare i record di log in base al valore del nome utente nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per i valori degli URL di immissione e il numero di accessi agli URL. Con questa analisi, è possibile identificare le pagine visitate per prime dagli utenti. In seguito al passaggio 9:

    1. Per ottenere gli URL delle voci, modificare la funzione del campo URI da Conteggio distinti in Primo.

    2. Rinominare il campo URI in URL di immissione modificando la query nella riga di comando ed eseguendo la query.

    3. Fare clic su Analizza, selezionare i campi Numero di accessi e URL di inserimento, topcount come 20 e fare clic su OK.

       'Log Source' = 'FMW WLS Server Access Logs' | link 'User Name' | stats earliest(URI) as 'Entry URL' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify topcount = 20 'Number of Hits', 'Entry URL'

    
    
    
    Descrizione dell'immagine entry_page.bmp
    
    

    Viene visualizzato il primo URL utilizzato dagli utenti in relazione al numero di accessi. Ad esempio, /login è il primo URL utilizzato dalla maggior parte degli utenti.

11. Per identificare il percorso di immissione ed uscita per la maggior parte degli utenti, raggruppare i record di log in base al valore del nome utente nel record di log, rinominare i campi predefiniti nella tabella dei gruppi in base ai valori appropriati e analizzare i gruppi per i valori degli URL di immissione e di uscita. Con questa analisi è possibile identificare

    • I percorsi più comuni intrapresi dagli utenti per il transito attraverso il sito web

    • Le pagine di prodotto più popolari da cui gli utenti stanno uscendo dal sito web

    • Gli URL di uscita più comuni, come le pagine di checkout del prodotto o il gateway di pagamento

    • Gli URL di uscita insoliti e la radice causano uscite impreviste

    In seguito al passo 10:

    1. Trascinare il campo URI nella sezione Valore.

    2. Per ottenere la pagina di uscita, modificare la funzione del campo URI da Unico a Più recente.

    3. Modificare la riga di comando e rinominare il campo latest(URI) in URL di uscita e sottomettere la query.

    4. Fare clic su Analizza, selezionare i campi URL di immissione e URL di uscita, topcount come 20 e fare clic su OK.

       'Log Source' = 'FMW WLS Server Access Logs' | link 'User Name' | stats earliest(URI) as 'Entry URL', latest(URI) as 'Exit URL' | rename Count as 'Number of Hits', 'Start Time' as 'First Access', 'End Time' as 'Last Access', 'Group Duration' as 'Access Duration' | classify topcount = 20 'Entry URL', 'Exit URL'

    5. Aumentare le dimensioni del grafico utilizzando le opzioni Analizza grafico.

    
    
    
    Descrizione dell'immagine entry_exit.bmp
    
    

    Questa mappa ad albero mostra la relazione tra gli URL di entrata e di uscita in un sito. Ciò sarebbe molto utile per i siti di vendita al dettaglio in cui i fornitori di servizi vorrebbero identificare gli URL di immissione che portano i clienti alle pagine di checkout e gli URL dei prodotti che causano agli utenti di non procedere al checkout.

Per creare un nuovo campo virtuale, è possibile utilizzare il comando eval nella funzione di collegamento. La query eval sulla riga di comando genererà un grafico a linee per il campo virtuale e consentirà di tracciarlo nel tempo.

Esempi:

• Si consideri lo scenario in cui i record di log dell'origine log SAR CPU Logs sono raggruppati per nome host e CPU. Per determinare il carico vissuto dalla CPU del server nel tempo, il comando eval crea un campo virtuale Load % e genera il grafico a linee.

  'Log Source' = 'SAR CPU Logs' | rename Instance as CPU | link 'Host Name (Server)', CPU | stats avg('CPU Idle Time (%)') as 'CPU Idle Time (%)' | eval 'Load %' = 100 - 'CPU Idle Time (%)'

  Per visualizzare il grafico a linee:

  1. Fare clic sulla scheda Istogramma.

  2. Fare clic sulla freccia giù accanto all'icona Opzioni grafico (). Fare clic su Nascondi/Mostra grafici. Selezionare Carica %.

  3. Fare clic sulla freccia giù accanto all'icona Opzioni grafico (). Fare clic su Opzioni grafico. Nell'elenco Tipo di grafico, selezionare Linea senza indicatore. Fare clic su Chiudi.

  
  
  
  Descrizione dell'immagine eval_load_cpu.png
  
  

• Si consideri lo scenario in cui i record di log dell'origine log OMC WLS Server Access Logs sono raggruppati per URI. Per determinare la dimensione dei dati a cui si accede nel tempo in megabyte, il comando eval crea un campo virtuale Content Size (MB), calcola la dimensione del contenuto in megabyte in base al valore del campo Content Size e genera il grafico a linee.

  'Log Source' = 'WLS Server Access Logs' | link URI | stats avg('Content Size') as 'Content Size Bytes' | eval 'Content Size (MB)' = 'Content Size Bytes' / 1024

  Per visualizzare il grafico a linee:

  1. Fare clic sulla scheda Istogramma.

  2. Fare clic sulla freccia giù accanto all'icona Opzioni grafico (). Fare clic su Nascondi/Mostra grafici. Selezionare Dimensione contenuto (MB) e Record log accessi.

  3. Fare clic sulla freccia giù accanto all'icona Opzioni grafico (). Fare clic su Opzioni grafico. Nell'elenco Tipo di grafico, selezionare Linea senza indicatore. Fare clic su Chiudi.

  
  
  
  Descrizione dell'immagine content_size_mb.png
  
  

È possibile utilizzare link 'SQL Statement' per raggruppare le istruzioni SQL e analizzarne il comportamento e identificare le anomalie.

esempio:

Considerare la seguente query che collega i record di log in base al campo Istruzione SQL:

'Log Source' in ('Database Audit Logs', 'Database Audit XML Logs') 
	| rename 'Host Name (Server)' as 'DB Server', 'User Name (Originating)' as 'OS User', 'User Name' as 'DB User' 
	| link 'SQL Statement' 
	| rename Count as 'Number of Runs', 'Start Time' as 'First Run', 'End Time' as 'Last Run', 'Group Duration' as Age 
	| addfields [ Object = dual | stats count as 'dual Table Access' ], 
		[ Object like 'all_%' | stats count as 'ALL_ Table Access' ], 
		[ Object like 'dba_%' | stats count as 'DBA_ Table Access' ], 
		[ Object like 'user_%' | stats count as 'USER_ Table Access' ], 
		[ Object like 'v$%' | stats count as 'VDollar Table Access' ], 
		[ Object = null | stats count as 'No Table Access' ], 
		[ Action = '2' | stats count as 'Insert Count' ], 
		[ Action = '3' | stats count as 'Select Count' ], 
		[ Action = '6' | stats count as 'Update Count' ], 
		[ Action = '7' | stats count as 'Delete Count' ], 
		[ Type = '8' | stats count as 'Connect Count' ], 
		[ 'Status Code' = 1 | stats count as Failures ] 
	| eval 'Object Type' = if('dual Table Access' > 0, Dual, 
		'ALL_ Table Access' > 0, System, 
		'DBA_ Table Access' > 0, System, 
		'USER_ Table Access' > 0, System, 
		'VDollar Table Access' > 0, System, 
		'No Table Access' > 0, 'No Table', Other) 
	| eval 'SQL Type' = if('Insert Count' > 0, Insert, 
		'Select Count' > 0, Select, 
		'Update Count' > 0, Update, 
		'Delete Count' > 0, Delete, 
		'Connect Count' > 0, Connect, Other) 
	| stats distinctcount(Object) as Objects, distinctcount('Database ID') as 'Number of DBs', 
		distinctcount(Session) as 'Number of Sessions' 
	| fields -'dual Table Access', -'No Table Access', -'ALL_ Table Access', 
		-'USER_ Table Access', -'DBA_ Table Access', -'VDollar Table Access', -'Insert Count', 
		-'Select Count', -'Update Count', -'Delete Count', -'Connect Count', -'SQL Type', -'Object Type' 
	| classify Age 
	| classify 'Number of Sessions' 
	| classify 'Number of DBs' 
	| classify 'Number of Runs', 'Object Type' 
	| classify 'Object Type', 'SQL Type'

L'esecuzione della query precedente consente di osservare i risultati riportati di seguito.

• In base al comando di classificazione, vengono generati i grafici a bolle per Age, Number of Sessions, Number of DBs, Number of Runs, Object Type e Object Type, SQL Type.

  
  
  
  Descrizione dell'immagine link_sql_statement.png
  
  
  
  
  Descrizione dell'immagine link_sql_bubble.png
  
  

  Nei grafici a bolle, i record di log vengono raggruppati in base al numero di istruzioni SQL che rientrano in ogni set di parametri. I parametri Object Type e SQL Type vengono determinati utilizzando il comando eval nella query.

• The Line with Area histogram charts illustrate the occurrence of fields like dual Table Access, No Table Access, ALL_ Table Access, USER_ Table Access, DBA_ Table Access, VDollar Table Access, Insert Count, Select Count, Update Count, Delete Count, Connect Count, and Log Records plotted against time.

  1. Nella scheda Grafico dell'istogramma, fare clic sulla freccia giù accanto all'icona Opzioni grafico ().

  2. Selezionare per visualizzare i grafici di tutti i campi.

  3. In Tipo di grafico, selezionare Riga con area.

  4. Regolare la larghezza per visualizzare due grafici per linea.

  
  
  
  Descrizione dell'immagine link_sql_area_chart.png
  
  

• Nella tabella Gruppi sono elencati i gruppi identificati dal collegamento in base al campo Istruzione SQL. È possibile osservare che per ogni istruzione SQL la tabella elenca il numero di volte in cui è stata eseguita l'istruzione SQL, l'ora di inizio, l'ora di fine e la durata del gruppo. Fare clic su ciascun gruppo e visualizzare i record di log per ulteriori dettagli. È inoltre possibile visualizzare i gruppi nella visualizzazione cluster per ulteriori analisi.

  
  
  
  Descrizione dell'immagine link_sql_table.png
  
  

Considera questo set di dati non ordinati preso da un file di log degli accessi. I campi riportati di seguito indicano le informazioni relative a una sessione utente e le azioni eseguite dall'utente.

Time | Session ID | Action
 T2  | 1          | Login
 T1  | 5          | Login
 T6  | 1          | addtocart
 T3  | 1          | productlisting
 T4  | 1          | purchase
 T9  | 1          | purchase
 T7  | 5          | addtocart
 T5  | 1          | addtocart
 T8  | 5          | purchase 

Le azioni quali Login, addtocart, productlisting e purchase vengono registrate in un ordine casuale da T1 a T9 e si sono verificate in due sessioni con ID sessione 1 e 5.

Per eseguire un'analisi temporale simile dei log degli accessi, estrarre Session ID dai log in un campo. Estrarre i passi intermedi della sessione dai log di accesso applicando un'espressione regolare per ottenere URL dai log.

In un contesto generico, le sessioni in questo esempio rappresentano tutte le transazioni utente e le azioni rappresentano i passi intermedi eseguiti dall'utente per completare una transazione.

Per analizzare questi dati non ordinati ed estrarre le informazioni richieste, è possibile eseguire la seguente query di esempio:

'Upload Name' = logadmin 
| link 'Session ID'
| rename 'Group Duration' as 'Session Duration' 
| addfields 
  [ Action = addtocart | stats earliest(Time) as 'First Add To Cart Time' ], 
  [ Action = purchase | stats latest(Time) as 'Last Purchase Time' ] 
| eval 'Time Taken for Purchase (Secs)' = ('Last Purchase Time' - 'First Add To Cart Time') / 1000 
| fields -'First Add To Cart Time', 
         -'Last Purchase Time' 
| classify 'Time Taken for Purchase (Secs)'

• link 'Session ID' raggruppa i record dei log di accesso in base all'ID sessione, creando due gruppi:

  Time | Session ID | Action
   T2  | 1          | Login
   T6  | 1          | addtocart
   T3  | 1          | productlisting
   T4  | 1          | purchase
   T5  | 1          | addtocart
   T9  | 1          | purchase
  
   T1  | 5          | Login
   T7  | 5          | addtocart
   T8  | 5          | purchase

• addfields viene eseguito su ciascuno di questi gruppi. Il primo addfields seleziona i record in cui Action = addtocart. Il risultato di questa query è il seguente per entrambi i gruppi:

  Time | Session ID | Action
   T6  | 1          | addtocart
   T5  | 1          | addtocart
  
   T7  | 5          | addtocart

• stats earliest(Time) ordina il risultato precedente in base al tempo, per ogni gruppo:

  Time | Session ID | Action
   T5  | 1          | addtocart
   T6  | 1          | addtocart
   
   T7  | 5          | addtocart

• Il campo specificato, che è Time, viene quindi selezionato dal primo record:

  'First Add To Cart Time' = T5 for Group = 1
  'First Add To Cart Time' = T7 for Group = 5

• Il secondo addfields viene eseguito su Action = purchase, estraendo i seguenti record:

  Time | Session ID | Action
   T4  | 1          | purchase
   T9  | 1          | purchase
  
   T8  | 5          | purchase

• latest(Time) inoltre ordina i record precedenti in base a Time:

  Time | Session ID | Action
   T4  | 1          | purchase
   T9  | 1          | purchase
  
   T8  | 5          | purchase

• latest(Time) seleziona il record ultimo ed estrae il campo specificato, ovvero Time:

  'Last Purchase Time' = T9 for Group = 1
  'Last Purchase Time' = T8 for Group = 5

• A questo punto, entrambi i gruppi hanno i valori per First Add to Cart Time e Last Purchase Time impostati. Si tratta di indicatori orari. eval si sottrae l'uno dall'altro per ottenere il tempo trascorso.

• In effetti, è possibile ottenere il tempo impiegato dal passo Aggiunta al carrello al passo Acquisto per ogni sessione. Ora è possibile utilizzare questa opzione in classify per analizzare la varianza di questo tempo trascorso tra le sessioni.

  
  
  
  Descrizione dell'immagine time_analysis_bubble.png
  
  

Per informazioni sulla sintassi e altri dettagli del comando addfields, vedere addfields.