我们会收集有关网站流量的数据，这样每天就会产生大约5万到10万次独立访问 .
队列分析：
查找24小时内在网站上注册然后实际进入我们的采购页面的用户百分比（计算在注册后的第一，第二，第三小时内有多少用户执行此操作的百分比） .
两个非常简短的示例文档：
-
sessionId：执行计数的唯一标识符
-
url：评估同类群组的网址
-
time：事件的unix时间戳
{“sessionId”：“some-random-id”，“time”：1428238800000，（unix时间戳：4月5日，下午3:00）“url”：“/ register”}
{“sessionId”：“some-random-id”，“time”：1428241500000，（unix时间戳：4月5日，下午3:45）“url”：“/ buy”}
如果我想在6个月的时间段内进行相同的聚合，并且想检查返回客户的执行队列？数据集太庞大了 .
另外一点：我对获得100％准确的结果也不感兴趣，近似值足以用于趋势分析 .
我们能用德鲁伊做到这一点吗？或者它不适合这种分析？还有什么比队列分析更优秀吗？
1 回答
我认为你可以用德鲁伊和数据草图来做到这一点 . 看看最后一个例子是page如果你想要使用这种近似方法，你可以看一下here来理解近似的约束误差和你可以交易记忆的准确性 .