如何进行clickhouse数据模型的session分析

SELECT   ts_date,  sum(length(session_gaps)) AS session_cnt  #计算会话次数FROM (  WITH    arraySort(groupArray(toUnixTimestamp(time))) AS times,    arrayDifference(times) AS times_diff   #求解相邻事件的时间差  SELECT    toDate(time) as ts_date,    arrayFilter(x -> x > 1800, times_diff) AS session_gaps   #设置切割点  FROM app.scene_tracker  WHERE toDate(time) >= '2020-09-06' AND toDate(time) <= '2020-09-07'    GROUP BY ts_date,user_id)GROUP BY ts_date

SELECT   ts_date,  count(1) session_cnt,  sum(length(event_chain)) AS event_cnt,  round(event_cnt/session_cnt)FROM (  WITH    arraySort(groupArray(( toUnixTimestamp(time), act ))) AS sorted_events,    arrayEnumerate(sorted_events) AS event_idxs,    arrayFilter(        (x,y,z) -> y>1800 or z.2='会员支付成功',        event_idxs,        arrayDifference(sorted_events.1),        sorted_events    ) as gap_index ,    arrayMap(x->x+1, gap_index) as gap_index_ ,    arrayMap(x -> if(has(gap_index_, x), 1, 0), event_idxs) as gap_marks ,    arraySplit((x,y) -> y, sorted_events, gap_marks) as session_chain   SELECT    toDate(time) as ts_date,    u_i as user_id,    arrayJoin(session_chain) event_chain_,    arrayCompact(x->x.2, event_chain_) event_chain  FROM app.scene_tracker  WHERE toDate(time) >= '2020-09-06' AND toDate(time) <= '2020-09-07'    GROUP BY ts_date,user_id)GROUP BY ts_date