デジカの宮澤です。Advent Calendar 8日目のNew Relic Insights: NRQL をいろいろ試しみよう（基本編）の続きです。
8日目を見ていない方に説明すると、New Relic Insights の Query 画面にNRQL のチュートリアル (Insights > Query > Analyze) があります。NQRL のサンプルが載っていて、基本(Basic)と応用(Advanced)に別れています。前回は、基本を紹介しました。ここでは、応用と弊社での利用例を紹介していきたいと思います。
NRQL って何？っていう人は、この記事を読む前に New Relic Insights: NRQL をいろいろ試しみよう（基本編） をご覧ください。
NRQL の応用編
サイトのトップから、ログイン、チェックアウトまでのユーザーの行動を見てみたい （Funnel の利用）
SELECT funnel(session,
WHERE pageUrl = 'http://www.home.com' AS 'Home',
WHERE pageUrl = 'http://www.home.com/signup' AS 'Signup',
WHERE pageUrl = 'http://www.home.com/thankyou' AS 'Checkout')
FROM PageView SINCE 1 week ago
上記の例はそのままテストできない（一致するようなパスがあれば別だけど）ので、弊社では Pro スチーマーという EC サイトを運営しているので、そこで、カート > ログイン（またはユーザー登録） > 住所入力画面表示。の流れをファンネルで表示してみたいと思います。
SELECT funnel(session,
WHERE pageUrl = 'https://steam.degica.com/c/cart' AS 'Cart',
WHERE pageUrl = 'https://steam.degica.com/c/checkout/registration' AS 'Signup',
WHERE pageUrl = 'https://steam.degica.com/c/checkout/address' AS 'Address')
FROM PageView SINCE 1 week ago
ファンネルでは、"A" を満たした人(上の例では Cart 部分)、"A"も"B"も満たしたい人(上の例では Signup 部分)、"A"も"B"も"C"も満たした人(上の例では Address 部分)を示しています。
全コントローラーのうち名前に "data" が含まれているコントローラー名とスループットのリストは？（ワイルドカード検索）
NRQL では、LIKE または NOT LIKE 句が使えます。ここでは、コントローラー名に data を含むトランザクションとその数を抽出しています。
SELECT count(*) FROM Transaction
WHERE name LIKE '%data%' FACET name SINCE 1 day ago
曜日ごとのスループットは？（コホート分析）
コホート分析は、タイムスタンプをベースにグループ化し、日付と時刻の指定した範囲をカバーするバケットにそれらを分離します。
特定のアプリの過去１週間のトランザクションを曜日別にその数を抽出しています。
SELECT count(*)
FROM Transaction
WHERE appName = '<app_name>'
SINCE 1 week ago
FACET weekdayOf(timestamp)
※ FACET は、SQL の 'GROUP BY' です。
※ <app_name> のところは各自のアプリ名に置き換えてください。
円グラフでみた場合
棒グラフでみた場合
バケットには以下の関数が使えます。意味は、yearOf なら年別とかです。
- yearOf()
- quarterOf()
- monthOf()
- weekOf()
- weekdayOf()
- dateOf()
- dayOfMonthOf()
- hourOf()
デフォルトで、"timestamp" 属性で上の関数は使えます。独自のタイムスタンプのカスタム属性を追加していた場合は、それらも使えます。例えば、アカウント作成日時とか購入日時など。
平均処理時間が1秒以上のアプリにおけるトランザクションの割合は？（percentage の利用）
特定のアプリの過去１日のトランザクションのうち、処理時間が1秒以上の割合を抽出しています
SELECT percentage(count(*), WHERE duration > 1) FROM Transaction WHERE appName = '<app_name>' SINCE 1 day ago
percentage 関数は、条件に一致したデータの割合を返します。文字列のデータに関しても使えます。コントローラー名に data が含まれるトランザクションの割合が見たい場合とか。Pageview データを元に特定のブラウザを使用しているユーザーの割合を見たい場合など。
※ <app_name> のところは各自のアプリ名に置き換えてください。
アプリの処理時間をパーセンタイルで表すとどうなる？(percentile の利用）
SELECT percentile(duration, 5, 50, 95)
FROM Transaction
WHERE appName = '<app_name>'
TIMESERIES AUTO
※ <app_name> のところは各自のアプリ名に置き換えてください。
percentile 関数は、指定されたパーセンタイルに含まれる数（ここではトランザクション数）を返します。この関数と一緒にTIMESERIESを使うと、時系列グラフでパーセンタイルの推移をみることができます。
percentile 関数の仕様は、ここ。
アプリにおけるレスポンスタイムの分布はどうなっている？（histogram の利用）
SELECT histogram(duration, width: 2, buckets: 20)
FROM Transaction
WHERE appName = '<app_name>'
SINCE 1 day ago
※ <app_name> のところは各自のアプリ名に置き換えてください。
※ 引数の widthとbucketsというキー名はなくても同じ結果ぽい。histogram(duration, 2, 20) でもいいのかな。
histogram 関数は、引数としてデータ分割に必要な時間幅とバケット数を取ります。第2引数は、グラフの上限（ここでは、x軸の上限が2.0となっている）。第3引数は、x軸を何分割で表すか（ここでは、20分割している）
histogram 関数の仕様は、ここ。
処理時間帯別における DB の処理時間の割合は？（buckets の利用）
SELECT average(databaseDuration)
FROM Transaction
FACET buckets(duration, width: 5, buckets: 10)
WHERE appName = '<app_name>'
SINCE 1 day ago
※ <app_name> のところは各自のアプリ名に置き換えてください。
buckets 関数は、指定されたデータを条件に従って、分割します。ここでは、全体の処理時間に対するDBの平均処理時間(average (databaseDuration))を抽出しています。平均の処理時間と全体の処理時間に相関関係があるのであれば、全体の処理時間が増えれば増えるほど、DBの処理時間も増えるはずです。
上記の結果をみると、途中(3.5 から 4.5)では(2.5-3.5)より平均処理時間が低いですね。ということは、3.5-4.5に関係する処理では、DB以外（たぶん外部サービス）で時間のかかる処理が多いと判断できそうです。
#弊社での利用例
最後に簡単に、弊社で Insights をどうように利用しているかを紹介させていただきます。
デジカでは、Komoju という決済サービスを提供しています。その決済データを カスタムイベントを使って、Insights で各種データを見れるようにしています。
以下は、デジカで使っている NRQL のサンプルです。
一日あたりの売上の比較（前日と本日）
SELECT sum(total)
FROM PaymentStatus
WHERE appName='<app_name>' AND status = 'captured'
TIMESERIES auto
SINCE 1 day ago
COMPARE WITH 1 day ago
決済情報は、PaymentStatus というイベント名でカスタムイベントを送っているので、そのテーブルを使います。
COMPARE WITHを使って、前日との比較を行っています。
エンドユーザーの Apdex スコア(直近1時間）
SELECT apdex(duration, t: 2.0) FROM PageView WHERE appName='<app_name>'
apdex の第２引数の t は、Apdex Tの閾値です。単位は秒です。
Apdex 関数の説明は、NRQL リファレンスをご覧ください。
支払方法別の使用割合（直近1週間）
SELECT count(*) from PaymentStatus facet payment_method where appName = '<app_name>' and status = 'captured' since 1 week ago
特に説明は必要ないかな。
コンビニ支払いのコンバージョン（直近1週間）
SELECT funnel(uuid, WHERE status='pending' as 'pending', WHERE status = 'authorized' as 'authorized', WHERE status = 'captured' AS 'captured')
FROM PaymentStatus
WHERE payment_method='konbini' and appName = '<app_name>'
SINCE 1 month ago
これも特に説明は必要ないかな。
さいごに
どうでしたでしょうか？実際のビジネスで利用した際のイメージができたかと思います。ここでは、データソースとして、Transaction や Pageview くらいしか使っていませんが、その他にも、APM の TransactionError や Mobile のデータ、Sythetics のデータもあります。外部からも送ることができます。是非、データを横断、多角的に分析するツールとして活用してみてください。
もっと、NQRL について知りたい方は、是非公式ドキュメントをご覧ください。
- NRQL リファレンス
- NRQL で数式の利用
- コミュニティでも NRQL の例など載っていると思いますので、そちらものぞいてみると面白いかも