MongoDb 用 mapreduce 统计留存率
(金庆的专栏)
留存的定义采用的是
新增账号第X日：某日新增的账号中，在新增日后第X日有登录行为记为留存
输出如下：（类同友盟的留存率显示）
留存用户
注册时间 新增用户 留存率
1天后 2天后 3天后 4天后 5天后 6天后 7天后 14天后 30天后
2015-09-17 2300 20.7 % 15.6 % 13 % 11.3 % 9.9 %
2015-09-18 2694 21.8 % 14.8 % 11.5 % 10.5 %
2015-09-19 3325 19 % 11.4 % 10.3 %
2015-09-20 3093 16.2 % 11.9 %
2015-09-21 2303 20.5 %
服务器记录新建帐号到 retention.register 集合，
每日记录帐号登录到 retention.login 集合，
每日运行统计脚本，统计前一天的留存率。
以下为 mongoDB 留存率相关的集合,
除了 retention.register 和 retention.login 由服务器代码写入，
其他集合都是由统计脚本生成。
retention.register
========================
留存率统计用，新建帐号。
记录新建帐号的创建日期。
有以下字段：
platform, 平台名
account_id, 帐号
date, 注册日期，字符串，格式：“2015-01-01”
例如： {platform: "baidu", account_id: "jinqing", date: "2015-09-20"}
索引 (platform, account_id), (date)
用于统计每日新增帐号数。
retention.login
==================
留存率统计用，帐号登录记录。
有以下字段：
date, 登录日期
platform, 平台名
account_id, 帐号
register_date, 帐号注册日期
例如：{date: "2015-09-23", platform: "baidu", account_id: "jinqing", register_date: "2015-09-20"}
索引 (date, platform, account_id).
retention.result
===================
留存率结果。例如：
{date : "2015-09-01", register : 3344, 1 : 91.1, 2 : 82.2, 3 : 73.3, 4 : 64.4, 5 : 55.5, 6 : 46.6, 7 : 37.7, 14 : 14.0, 30 : 3.33}
{date : "2015-09-02", register : 3344, 1 : 91.1, 2 : 82.2, 3 : 73.3, 4 : 64.4, 5 : 55.5, 6 : 46.6, 7 : 37.7, 14 : 14.0, 30 : 3.33}
可用 mongoexport 导出为 csv 表格文件。
例如：
D:\mongodb\bin>mongoexport -h localhost -d mydb -c retention.result -f date,register,1,2,3,4,5,6,7,14,30 --csv -o d:\temp\retention.csv
其中
date: 注册日期
register: 新注册个数
1,2,...7,14,30: 第1日，2日，... 7日，14日，30日留存百分率
留存率统计脚本
--------------
linux下用crontab,
windows下用定时任务,
每日凌晨 00:30 运行统计脚本。
允许隔了几天没运行，运行时将从上次运行处一直统计到当天。
如果是首次运行，则从 retention.register 集合的最早日期开始统计。
一天运行多次也不会影响结果。
但是不能同时运行多个实例。
需 mongo 客户端。
可在 mongo 主机上运行。
mongo my.mongo.host retention.js
生成结果在 mydb.retention.result 集合中，可用 mongoexport 导出为 csv 文件。
#!/bin/sh
# retention.sh
# 每日凌晨定时执行，统计留存率。
# 需 mongo 客户端。
# 以下需更改为实际目录, 将在该目录下运行。
cd /home/jinq/retention/
# 以下地址应该改为 mongod 服务器地址。
MONGODB=192.168.8.9
mongo ${MONGODB} retention.js >> log.txt
echo Mongo export retention result...
mongoexport -h ${MONGODB} -d mydb -c retention.result \
--sort '{"value.date" : 1}' \
-f value.date,value.register,value.1,value.2,value.3,value.4,value.5,value.6,value.7,value.14,value.30 \
--type=csv -o retention_tmp.csv
DATE=`date +%Y%m%d`
FILE=retention_${DATE}.csv
# csv替换列头
echo 日期,注册数,1日,2日,3日,4日,5日,6日,7日,14日,30日 > ${FILE}
tail -n +2 retention_tmp.csv >> ${FILE}
echo Done ${FILE}!
// 留存率统计脚本
// 参考文档：留存率统计.txt
// Usage:
// mongo my.mongo.host retention.js
print(Date());
db = db.getSisterDB("mydb"); // use mydb
var startDate = getStartDate();
var endDate = formatDate(new Date());
print("Calculating retention rate of [" + startDate + ", " + endDate + ")...");
if (startDate < endDate) {
insertDefaultResult(startDate);
calcRegisterCount(startDate);
calcRetention(startDate);
print(Date());
print("Done.");
} else {
print("Do nothing.");
}
// Internal functions.
// 获取统计开始日期，之前的已经统计完成，无需重做。
// 返回字符串，格式："2015-01-01"
// 获取 retention.result 的最大 date + 1天, 仅须处理该天及以后的数据。
// 如果是初次运行，retention.result 为空，须读取 retention.register 的最早日期作为开始。
function getStartDate() {
var lastResultDate = getLastResultDate();
if (null == lastResultDate) {
return getFirstRegisterDate();
}
// 加一天
return getNextDate(lastResultDate);
}
// 获取最早的 retention.register 日期。
function getFirstRegisterDate() {
var cursor = db.retention.register.find(
{date : {$gt : "2015-09-01"}}, // 除去 null
{_id : 0, date : 1}
).sort({date : 1}).limit(1);
if (cursor.hasNext()) {
return cursor.next().date;
}
return formatDate(new Date());
}
// 获取 retention.result 中最后的 date 字段。
// 无date字段则返回null。
// 正常返回如："2015-01-01"
function getLastResultDate() {
// _id 为日期串
var cursor = db.retention.result.find(
{}, {_id : 1}).sort({_id : -1}).limit(1);
if (cursor.hasNext()) {
return cursor.next()._id;
}
return null;
}
function add0(m) {
return m < 10 ? '0' + m : m;
}
// Return likes: "2015-01-02"
function formatDate(date)
{
var y = date.getFullYear();
var m = date.getMonth() + 1; // 1..12
var d = date.getDate();
return y + '-' + add0(m) + '-' + add0(d);
}
// "2015-12-31" -> "2016-01-01"
function getNextDate(dateStr) {
var dateObj = new Date(dateStr + " 00:00:00");
var nextDayTime = dateObj.getTime() + 24 * 3600 * 1000;
var nextDate = new Date(nextDayTime);
return formatDate(nextDate);
}
assert(getNextDate("2015-12-31") == "2016-01-01");
assert(getNextDate("2015-01-01") == "2015-01-02");
assert(getNextDate("2015-01-31") == "2015-02-01");
// 插入缺省结果。
// 某些天无新注册，mapreduce就不会生成该条结果，须强制插入。
function insertDefaultResult(startDateStr) {
var docs = new Array();
var endDateStr = formatDate(new Date());
for (var dateStr = startDateStr;
dateStr < endDateStr;
dateStr = getNextDate(dateStr)) {
docs.push({_id : dateStr, value : {date : dateStr, register : 0}});
} // for
db.retention.result.insert(docs);
}
// 读取 retention.register 集合，
// 计算每日新注册量, 记录于 retention.result.value.register 字段
// startDate is like: "2015-01-01"
function calcRegisterCount(startDate) {
var mapFunction = function() {
var key = this.date;
var value = {date : key, register : 1};
emit(key, value);
}; // mapFunction
var reduceFunction = function(key, values) {
var reducedObject = {date : key, register : 0};
values.forEach(
function(value) {
reducedObject.register += value.register;
}
)
return reducedObject;
}; // reduceFunction
var endDate = formatDate(new Date());
db.retention.register.mapReduce(mapFunction, reduceFunction,
{
query: {date: {$gte: startDate, $lt: endDate}},
out: {merge: "retention.result"}
}
); // mapReduce()
} // function calcRegisterCount()
// 读取 retention.login 集合，
// 计算留存率，保存于 retention.result 集合。
// startDate is like: "2015-01-01"
function calcRetention(startDate) {
var mapFunction = function() {
var key = this.register_date;
var registerDateObj = new Date(this.register_date + " 00:00:00");
var loginDateObj = new Date(this.date + " 00:00:00");
var days = (loginDateObj - registerDateObj) / (24 * 3600 * 1000);
var value = {date : key, register : 0};
var field = days + "_count"; // like: 1_count
value[field] = 1;
emit(key, value);
}; // mapFunction
var reduceFunction = function(key, values) {
var reducedObject = {date : key, register : 0};
for (var i = 1; i <= 60; i++) {
var field = i + "_count";
reducedObject[field] = 0;
}
values.forEach(
function(value) {
reducedObject.register += value.register;
for (var i = 1; i <= 60; i++) {
var field = i + "_count"; // like: 1_count
var count = value[field];
if (null != count) {
reducedObject[field] += count;
} // if
} // for
} // function
) // values.forEach()
return reducedObject;
}; // reduceFunction()
var finalizeFunction = function(key, reducedVal) {
if (0 == reducedVal.register)
return reducedVal;
for (var i = 1; i <= 60; i++) {
var field = i + "_count"; // 1_count
var count = reducedVal[field];
reducedVal[String(i)] = count * 100 / reducedVal.register;
}
return reducedVal;
}; // finalizeFunction
var endDate = formatDate(new Date());
db.retention.login.mapReduce(mapFunction, reduceFunction,
{
query: {date: {$gte: startDate, $lt: endDate}},
out: {reduce: "retention.result"},
finalize: finalizeFunction,
}
); // mapReduce()
} // function calcRetention()
参考
-----
用户留存率_百度百科
http://baike.baidu.com/link?url=28-agScaamT__jLEBdn5VW-a6CHRlf53bDUrVezkeaHd6TMhO0ULm_9JMmcOu541taQjWGe0JypERg2hIwJCAa
游戏玩家的留存率统计实现 - 流子的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/jiangguilong2000/article/details/16119119
在Mongo数据库里怎么统计留存率呢? - SegmentFault
http://segmentfault.com/q/1010000000652638