提示

ClkLog CDP企业版是基于PRO专业版扩展的付费版本，提供更全面的用户行为分析及用户画像分析功能。

2025-09-15 新版CDP企业版2.0发布

1.采用新版系统架构

采用新版日志采集处理架构，覆盖采集、存储、归档三大核心模块。该架构通过优化日志采集能力，增强高并发场景下的稳定数据摄入，同时增加归档服务，独立消费Kafka历史消息并落盘至对象存储或分布式文件系统，完善日志全生命周期管理能力，满足合规性审计与历史数据回溯需求。

2.采用新版CK数据库

基于ClickHouse 25.4.12（2025年度官方发布版本）构建数据存储引擎，利用新版优势提高查询效率。

3.采用动态宽表存储

采用动态宽表（Dynamic Wide Table）存储模型，将自定义事件属性、用户属性字段以平铺（Flat）方式映射至表列，支持通过标准SQL列名直接访问目标字段。该模式增强了数据查询的直观性，提升了二次开发场景下的字段访问效率，显著降低业务系统对接的技术门槛。

4.漏斗分析功能增强

深度集成ClickHouse内置函数，针对漏斗分析场景进行专项优化，实现复杂分析任务的执行效率提升，尤其在多维度交叉分析、长周期数据聚合等场景下，响应速度与资源利用率均得到显著提升。

2025-09-15 CDP企业版1.0功能升级

1.系统架构升级

• 安装部署模式调整

  取消“快速模式”（即clklog-receiver直接写入日志数据至clickhouse的模式）。后续仅做“标准模式”（即clklog-receiver接收到日志后先存入Kafka，然后由clklog-processing消费Kafka消息处理后存入数据库）的支持。

• 处理服务重构

  重构clklog-receiver组件，在接收日志后保存到kafka的同时存为文件（存文件支持可选）。

• 移除组件

  取消使用Flink，由clklog-processing服务直接消费Kafka消息后写入ClickHouse。

• 增加归档服务

  新增日志归档服务clklog-archive，独立消费Kafka历史消息并落盘至对象存储或分布式文件系统。

2.数据库版本升级

升级ClickHouse数据库版本至25.4.12（2025年度官方发布版本），该版本原生支持JSON数据类型，通过优化的JSON解析引擎与列式存储适配，有效提升复杂结构化日志的查询性能，尤其在多条件过滤、嵌套字段检索等场景下，查询效率较旧版本提升显著。

3.数据存储模式优化

• 字段类型调整

  将自定义事件属性、用户属性字段的存储类型由String切换为原生JSON类型，利用ClickHouse对JSON的结构化解析能力，支持嵌套字段的高效查询与过滤；

• 分区策略升级

  自定义事件数据表分区策略调整为按自然月分区，匹配时间序列数据的典型访问模式，提升基于时间范围的查询效率；

• 集群分片调整

  重新设计数据库集群的分片规则，优化数据分布的准确性，提升分布式下数据查询的准确性。

4.系统功能与性能优化

• 分析能力扩展

  自定义分析与漏斗分析模块，新增对查看维度及全局筛选条件的自定义事件属性支持，允许用户将任意自定义字段作为分析维度，显著提升分析场景的灵活性；

• SQL执行优化

  重构漏斗查询的SQL生成逻辑，通过预计算中间结果、减少子查询嵌套等方式优化执行计划，降低查询延迟；

• 元数据管理增强

  优化元数据存储结构与索引机制，提升元数据查询的响应速度，同步优化属性数据导入模块的分组功能，修复原分组属性数据导入未完全匹配的问题；

• 前端体验提升

  针对前端数据查询结果展示页面进行细节优化，包括缓存优化、刷新优化、图标展示优化等，改善用户操作体验。

2025-03-14 CDP企业版功能发布

用户画像相关功能如下

标签分类

• 用户标签分类的增加、修改、删改管理.
• 用户标签分类的多级结构管理.

用户标签

• 用户标签打标更新方式的设置、标签的删除.
• 标签规则下的用户分布数据及历史用户打标数据查询.
• 标签规则下的用户分布数据及历史用户打标数据下载.
• 根据标签规则对用户手动打标签.
• 根据标签规则对用户例行打标签，对打标签的执行进度进行监控管理.

用户分群

• 用户分群更新方式的设置、分群的删除.
• 分群下的用户分布数据查询.
• 分群下的用户数据导出.
• 据用户分群规则对用户手动分群标记.
• 根据用户分群规则对用户例行分群标记，对用户分群的执行进度进行监控管理.

用户个人画像

• 按用户查看个人用户的基本信息.
• 按用户查看个人用户的访问历史信息.
• 按用户查看个人用户的标签信息及分群信息.

用户群画像

• 基于用户标签、用户分群圈选出画像目标人群、对比人群.
• 从用户标签、属性维度统计分析群画像下的目标人群和对比人群的用户分布情况.
• 从用户访问行为的次数和总天数等维度统计分析群画像下的目标人群和对比人群的用户分布情况.
• 将用户群画像分析的结果保存为PDF并下载.