ログ・ソースFMW WLS Server Access LogsのOracle WebLogic Serverアクセス・ログで構成されるデータ・セットの例について考えます。ログ・レコードには、特定の期間におけるユーザーによるOracle WebLogic Serverへのアクセスに関するデータが含まれます。これらの個々のログ・レコードを分析すると、使用状況統計、URLの人気、最もアクティブなユーザーなどのデータに関する有意義なインサイトを取得できます。ログから、結果ごとに特定のフィールドを選択してログ・レコードを分析することで、次の結果を取得する方法を学習します:

1. ヒット数別の上位URLの表示

2. ヒット数別の異常の表示

3. アクセス期間別の異常の表示

4. アップロード・サイズ別のURLの識別

5. ダウンロード・サイズ別のURLの識別

6. ヒット数とダウンロード・サイズの相関関係の分析

7. 訪問数が最も多いページの特定

8. 上位ユーザーの識別

9. 上位ユーザーとそのお気に入りページの識別

10. 最大訪問数につながるエントリ・ページの識別

11. 大部分のユーザーのエントリおよびイグジット・パスの識別

データ・セットを取得するには、適切な日付範囲を選択し、ログ・ソースを指定して問合せを実行します:

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

「ビジュアル化」パネルから「リンク」を選択します。'FMW WLS Server Access Logs'グループ表およびバブル・チャートが表示されます。

1. ヒット数別の上位URLを表示するには、ログ・レコードのURLの値でログ・レコードをグループ化し、各グループのURLの合計数を取得し、グループ表のデフォルト・フィールド名を適切な値に変更して、結果を表形式で表示します。この分析により、最も使用されているURLを特定できます。

   1. 「URI」フィールドを「グループ化基準」にドラッグ・アンド・ドロップし、「ログ・ソース」フィールドを「グループ化基準」から削除します。

   2. 問合せの実行後、コマンドラインで、フィールドCountの名前をNumber of Hitsに、Start TimeをFirst Accessに、End TimeをLast Accessに、Group DurationをAccess Durationに変更します。

   3. コマンドラインからclassifyコマンドを削除し、問合せを発行します。

      問合せは次のようになります:

      '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'

   問合せを実行すると、表でヒット数別の上位URLを特定できます。列の名前は、renameコマンドで指定したとおりに変更されます。

2. ヒット数別の異常を表示するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、URLのヒット数のグループを分析します。この分析により、URLへのアクセスにおける例外的なパターンを分離できます。

   「分析」をクリックし、Number of Hitsを選択して、「OK」をクリックします。

   問合せは、次に変更する必要があります:

   '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'

   この問合せによって、'Number of Hits'列の分析がトリガーされ、よく見られる範囲を表すバブルが作成されます。値の多数部分は、ベースラインとして扱われます。たとえば、大きなバブルがベースラインになる場合や、まとめてクラスタ化された多数のより小さなバブルがベースラインになる場合があります。ベースラインから最も遠いバブルは、異常としてマークされます。

   つまり、異常URLがバブル・チャートの別々のバブルにグループ化されて表示されます。ヒット数の各範囲のURLのパーセンテージを表示するには、バブルの上にカーソルを置きます。

3. アクセス期間別の異常を表示するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、URLのアクセス期間のグループを分析します。この分析により、URLへのアクセスに要した時間の例外的なパターンを分離できます。ステップ2に続けて:

   「分析」をクリックし、Access Durationを選択して、「OK」をクリックします。

   Access Durationは、各URLがアクセスされた期間の指標です。これは、各URLのログ・ファイルの最後のタイムスタンプと最初のタイムスタンプの差異として計算されます。

4. アップロード・サイズ別のURLを識別するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、アップロードされたデータのサイズのグループを分析します。この分析により、例外的なサイズのデータがアップロードされたURLを識別できます。ステップ3に続けて:

   1. フィールドContent Size Inを「値」セクションにドラッグ・アンド・ドロップします。

   2. コマンドラインの問合せを変更して、フィールドContent Size Inの名前をBytes Uploadedに変更し、問合せを実行します。

   3. 「分析」をクリックし、Bytes Uploadedを選択して、「OK」をクリックします。

      問合せは次のようになります:

      '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'

      分析グラフに、アップロードされたバイト別のURLのグループが表示されます。

   4. 時間範囲を横断してBytes Uploadedデータを相互に関連付けるには、ヒストグラム・チャート・オプションでチャートの表示/非表示を選択的に切り替えます。棒グラフ以外の他のビジュアライゼーション・オプションを探索します。

5. ダウンロード・サイズ別のURLを識別するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、ダウンロードされたデータのサイズのグループを分析します。この分析により、ダウンロードされたデータが例外的なサイズのURLを識別できます。ステップ4に続けて:

   1. フィールドContent Size Outを「値」セクションにドラッグ・アンド・ドロップし、Content Size Inを「値」セクションから削除します。

   2. コマンドラインの問合せを変更して、フィールドContent Size Outの名前をDownload Sizeに変更し、問合せを実行します。

   3. 「分析」をクリックし、Download Sizeを選択して、「OK」をクリックします。

      問合せは次のようになります:

      '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'

      分析グラフに、ダウンロード・サイズ別のURLのグループが表示されます。

   4. 時間範囲を横断してDownload Sizeデータを相互に関連付けるには、ヒストグラム・チャート・オプションでチャートの表示/非表示を選択的に切り替えます。棒グラフ以外の他のビジュアライゼーション・オプションを探索します。

6. ヒット数とダウンロード・サイズの相関関係を分析するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、ダウンロードされたデータのサイズおよびヒット数のグループを分析します。この分析により、ダウンロードされたデータのサイズおよびヒット数が例外的なパターンのURLを識別できます。ステップ5に続けて:

   1. 「分析」をクリックし、フィールドNumber of Hits、Download Sizeを選択して、「OK」をクリックします。

   2. すべてのバブルを表示するために問合せからtopcount=300を削除し、問合せを実行します。

      問合せは次のようになります:

      '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'

   バブル・チャートで、フィールドNumber of Hitsはx軸に沿って、Download Sizeはy軸に沿ってプロットされます。

   
   
   
   
   
   

   バブルは次のように解釈できます:

   • URLの73.8%が1回から7回アクセスされました。

   • URLの73.8%の平均ダウンロード・サイズは、32,345から34,000の間にあります。この狭い範囲は、多数のURLが、ダウンロード・サイズの点では非常によく似た動作になっていることを示します。

   • 73.8%は大多数であるため、残りのポイントは異常としてマークされます。

   • 実際のデータでは、.css、.jsおよびイメージ・ファイルは他のURLとは別にシステムでグループ化することが一般的です。これらは、ダウンロードの動作が異なる傾向があるためです。

7. 訪問数が最も多いページを特定するには、ログ・レコードのURLの値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、一意の訪問者数のグループを分析します。この分析により、一意の訪問者によって最も訪問されたURLを識別できます。ステップ6に続けて:

   1. フィールドUser Nameを「値」セクションにドラッグ・アンド・ドロップします。

   2. フィールド名の横にある下矢印をクリックし、ファンクションを「一意」から「個別件数」に変更します。数値フィールドに選択できるその他のファンクションを参照してください:

   3. コマンドラインの問合せを変更して、フィールドUser Nameの名前をNumber of Unique Usersに変更し、classifyコマンドを削除して、問合せを実行します。問合せは次のようになります:

      '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. 「分析」をクリックし、フィールドNumber of Unique Usersを選択して、「OK」をクリックします。

   表に、URLおよび対応する一意のユーザーの数がリストされるため、一意のユーザーによって最も訪問されたURLを識別するのに役立ちます。表から、各URLのヒット数を特定することもできます。

   分析では、99%を超えるURLで、一意のユーザーが0または1人であることが示されます。これは、ログインを必要としないURLや、ほとんどアクセスされないURLの場合には普通です。小さいバブルにドリルダウンすると、特定のページ、通常のヒット数、および一意の訪問者数が示されます。

8. 上位ユーザーを識別するには、ログ・レコードのユーザー名の値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、ヒット数のグループを分析します。この分析により、最もアクティブなユーザーを識別できます。

   1. コマンドラインを編集して、すべてのフィルタを削除します: 'Log Source' = 'FMW WLS Server Access Logs' | link URI

   2. 「ユーザー名」フィールドを「グループ化基準」にドラッグ・アンド・ドロップし、「URI」を削除して、問合せを実行します。

   3. classifyコマンドを削除し、コマンドラインのデフォルト・フィールド名を変更して、次の問合せを実行します:

      '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'

      表は、ユーザー別のヒット数でソートされます。

   4. アクセス別のユーザー動作を表示するには、「分析」をクリックし、フィールドNumber of Hitsを選択して、「OK」をクリックします。

   5. 異常をクリックして、他のユーザーと比べて多いかまたは少ないヒット数を記録したユーザーを識別します。

9. 上位ユーザーとそのお気に入りページを識別するには、ログ・レコードのユーザー名の値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、一意のページ数のグループを分析します。この分析により、最もアクティブなユーザーおよび最もアクティブでないユーザーと、そのお気に入りページを識別できます。ステップ8に続けて:

   1. フィールドURIを「値」セクションにドラッグ・アンド・ドロップします。ファンクションを「一意」から「個別件数」に変更します。

   2. コマンドラインの問合せを変更して、フィールドURIの名前をNumber of Unique Pagesに変更し、問合せを実行します。

   3. 「分析」をクリックし、フィールドNumber of Unique Pagesを選択して、「OK」をクリックします。

10. 最大訪問数につながるエントリ・ページを識別するには、ログ・レコードのユーザー名の値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、エントリURLの値およびURLのヒット数のグループを分析します。この分析により、ユーザーが最初にヒットするページを識別できます。ステップ9に続けて:

    1. エントリURLを取得するには、フィールドURIのファンクションを「個別件数」から「最も古い」に変更します。

    2. コマンドラインの問合せを変更して、フィールドURIの名前をEntry URLに変更し、問合せを実行します。

    3. 「分析」をクリックし、フィールドNumber of HitsおよびEntry URLを選択し、topcountとして20を選択して、「OK」をクリックします。

       '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'

    
    
    
    
    
    

    これにより、ヒット数との関係でユーザーによって最初に使用されたURLが表示されます。たとえば、/loginは、ユーザーが最初に使用するURLの大部分です。

11. 大部分のユーザーのエントリおよびイグジット・パスを識別するには、ログ・レコードのユーザー名の値でログ・レコードをグループ化し、グループ表のデフォルト・フィールド名を適切な値に変更して、エントリURLとイグジットURLの値のグループを分析します。この分析により、識別できます

    • ユーザーがWebサイトを移動する場合に使用する最も一般的なパス

    • ユーザーがWebサイトを終了する最も一般的な製品ページ

    • 製品会計ページや支払ゲートウェイなどの最も一般的なイグジットURL

    • 例外的なイグジットURLおよび予期しない終了の根本原因

    ステップ10に続けて:

    1. フィールドURIを「値」セクションにドラッグ・アンド・ドロップします。

    2. イグジット・ページを取得するには、フィールドURIのファンクションを「一意」から「最新」に変更します。

    3. コマンドラインを編集し、フィールドlatest(URI)の名前をExit URLに変更して、問合せを発行します。

    4. 「分析」をクリックし、フィールドEntry URLおよびExit URLを選択し、topcountとして20を選択して、「OK」をクリックします。

       '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. 分析グラフ・オプションを使用して、チャートのサイズを大きくします。

    
    
    
    
    
    

    このツリー・マップには、サイトのエントリURLとイグジットURLの関係が示されています。これは、顧客を会計ページに導くエントリURLや、ユーザーが会計まで進まなかった製品URLをサービス・プロバイダが識別しようと考えている小売サイトにとって非常に役立ちます。

新しい仮想フィールドを作成するには、リンク機能でevalコマンドを使用します。コマンドラインのeval問合せによって、仮想フィールドの折れ線グラフが生成され、時系列でのトラッキングが可能になります。

例:

• ログ・ソースSAR CPU Logsのログ・レコードがホスト名とCPUによってグループ化されるシナリオについて考えます。時間の経過とともにサーバーのCPUによって発生する負荷を確認するために、evalコマンドで仮想フィールドLoad %を作成し、折れ線グラフを生成します。

  '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 (%)'

  折れ線グラフを表示するには:

  1. 「ヒストグラム」タブをクリックします。

  2. 「グラフ・オプション」()アイコンの横にある下矢印をクリックします。「グラフの表示/非表示」をクリックします。Load %を選択します。

  3. 「グラフ・オプション」()アイコンの横にある下矢印をクリックします。「グラフ・オプション」をクリックします。「チャート・タイプ」リストから、「マーカーなし折れ線」を選択します。「閉じる」をクリックします。

  
  
  
  
  
  

• ログ・ソースOMC WLS Server Access Logsのログ・レコードがURIによってグループ化されるシナリオについて考えます。時間の経過とともにアクセスされるデータのサイズ(MB)を確認するために、evalコマンドで仮想フィールドContent Size (MB)を作成し、フィールドContent Sizeの値に基づいてコンテンツ・サイズ(MB)を計算して、折れ線グラフを生成します。

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

  折れ線グラフを表示するには:

  1. 「ヒストグラム」タブをクリックします。

  2. 「グラフ・オプション」()アイコンの横にある下矢印をクリックします。「グラフの表示/非表示」をクリックします。Content Size (MB)およびAccess Log Recordsを選択します。

  3. 「グラフ・オプション」()アイコンの横にある下矢印をクリックします。「グラフ・オプション」をクリックします。「チャート・タイプ」リストから、「マーカーなし折れ線」を選択します。「閉じる」をクリックします。

  
  
  
  
  
  

link 'SQL Statement'を使用すると、SQLをグループ化してその動作を分析し、異常を識別できます。

例:

フィールドSQL Statementに基づいてログ・レコードをリンクする次の問合せについて考えます:

'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'

前述の問合せを実行すると、次の結果を確認できます:

• classifyコマンドに基づいて、Age、Number of Sessions、Number of DBs、Number of Runs, Object TypeおよびObject Type, SQL Typeのバブル・チャートが生成されます。

  
  
  
  
  
  
  
  
  
  
  

  バブル・チャートでは、各パラメータ・セットに分類されるSQLの数に基づいてログ・レコードがグループ化されます。Object TypeおよびSQL Typeパラメータは、問合せのevalコマンドを使用して決定されます。

• 面付き折れ線ヒストグラム・チャートは、時間に対してプロットされた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、Log Recordsなどのフィールドの出現を表します。

  1. ヒストグラム・チャート・タブで、「グラフ・オプション」()アイコンの横にある下矢印をクリックします。

  2. すべてのフィールドのチャートを表示するように選択します。

  3. 「チャート・タイプ」で、「面付き折れ線」を選択します。

  4. 行ごとに2つのチャートを表示するように幅を調整します。

  
  
  
  
  
  

• グループ表には、SQL Statementフィールドに基づいてリンクで識別されるグループがリストされます。各SQLについて、SQLが実行された回数、開始時間、終了時間およびグループ期間が表にリストされていることがわかります。各グループをクリックすると、ログ・レコードの詳細が表示されます。クラスタ・ビジュアライゼーションでグループを表示して、さらに分析することもできます。

  
  
  
  
  
  

アクセス・ログ・ファイルから取得されたこの順序付けされていないデータ・セットについて考えます。次のフィールドは、ユーザー・セッションに関する情報と、ユーザーによって実行されたアクションを示します:

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 

Login、addtocart、productlisting、purchaseなどのアクションは、T1からT9までのランダムな順序で記録され、セッションID 1と5の2つのセッションで発生しています。

アクセス・ログで同様の時間分析を実行するには、ログからフィールドにSession IDを抽出します。ログからURLを取得する正規表現を適用して、アクセス・ログからセッションの中間ステップを抽出します。

一般的なコンテキストでは、この例のセッションは任意のユーザー・トランザクションを表し、アクションはユーザーがトランザクションを完了するために実行した中間ステップを表します。

この順序付けされていないデータを分析し、必要な情報を抽出するために、次の問合せ例を実行できます:

'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'は、セッションIDによってアクセス・ログ・レコードをグループ化し、2つのグループを作成します:

  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は、これらの各グループに対して実行されます。最初のaddfieldsは、Action = addtocartのレコードを取得します。この問合せの結果は、両方のグループについて次のようになります:

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

• stats earliest(Time)は、グループごとに前述の結果を時間順にソートします:

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

• 次に、指定されたフィールド(Time)が最初のレコードから取得されます:

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

• 2番目のaddfieldsは、Action = purchaseに対して実行され、次のレコードが抽出されます:

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

• latest(Time)も、前述のレコードをTime順にソートします:

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

• latest(Time)は、最後のレコードを取得し、指定されたフィールド(Time)を抽出します:

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

• この時点で、両方のグループにFirst Add to Cart TimeおよびLast Purchase Timeの値が設定されます。これらはタイムスタンプです。evalは、一方から他方を差し引いて経過時間を取得します。

• 事実上、各セッションのカートへの追加から購入までのステップに要した時間を取得できます。これをclassifyで使用して、セッション間でのこの経過時間の差異を分析できます。

  
  
  
  
  
  

addfieldsコマンドの構文およびその他の詳細は、addfieldsを参照してください。