Clickhouse(流量分析(三).路径分析案例)

1. 路径分析定义

漏斗分析是固化了具体的分析过程或者业务环节，然后分析几个大的业务环节的转化；而路径分析，是固化了用户的路径顺序，在每个路径次序中，都包含了各个主要业务环节，因此在每一步中，出现的业务环节很有可能都是类似的。漏斗分析看重的是业务环节之间的留存关系，而路径分析看重的是用户在不同业务环节中的顺序及流失关系。

路径分析：如何将用户的网站行为轨迹可视化呈现？
BI分析系统——路径分析及产品化 )

2. 关键路径分析

sequenceMatch函数检查是否有事件链满足输入的模式
sequenceCount函数则统计满足输入模式的事件链的数量(如果两个事件发生在同一秒时，是无法准确区分事件的发生先后关系的，所以会存在一定的误差)

sequenceCount(pattern)(timestamp, cond1, cond2, ...)

pattern支持3中匹配模式：

(?N)：表示时间序列中的第N个事件，从1开始，最长支持32个条件输入；如，(?1)对应的是cond1

(?t op secs)：插入两个事件之间，表示它们发生时需要满足的时间条件（单位为秒）,支持 >=, >, <, <= 。例如上述SQL中，(?1)(?t<=15)(?2)即表示事件1和2发生的时间间隔在15秒以内，期间可能会发生若干次非指定事件。

.*：表示任意的非指定事件。

create table  nonodb.adm_path_tf_demo1
(
    eventTime DateTime,
    uid UInt32,
    event_type String,
    expflag int
)
ENGINE = MergeTree
ORDER BY (eventTime,uid)
SETTINGS index_granularity = 8192;

-- 在10分钟内完成浏览收藏操作.之后下单的人
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:15:00',1,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:16:00',1,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:16:00',1,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:25:00',1,'收藏',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:26:00',1,'收藏',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:26:00',1,'收藏',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:36:00',1,'点击',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:56:00',1,'下单',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:57:00',1,'下单',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:57:00',1,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:58:00',1,'下单',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:15:00',2,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:25:00',2,'收藏',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:56:00',2,'下单',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:15:00',3,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 11:25:00',3,'收藏',1);

insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 12:15:00',1,'浏览',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 12:24:00',1,'收藏',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 12:56:00',1,'下单',1);
insert into nonodb.adm_path_tf_demo1 values ('2022-01-02 12:56:00',2,'下单',1);

select uid,
      sequenceMatch('(?1)(?t<=600)(?2).*(?3)')(
          eventTime,
          event_type = '浏览',
          event_type = '收藏' and expflag =1 ,
          event_type = '下单'
          ) as is_match
       from nonodb.adm_path_tf_demo1
       where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02'
       and uid in (1,2,3)
       group by uid;

??看结果链是不允许重叠的,确实要是允许重叠实现起来是真的非常麻烦啊,业务上有需求的话条件限制喽

select uid,
      sequenceCount('(?1)(?t<=600)(?2).*(?3)')(
          eventTime,
          event_type = '浏览',
          event_type = '收藏' and expflag =1 ,
          event_type = '下单'
          ) as is_se
       from nonodb.adm_path_tf_demo1
       where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02'
       and uid in (1,2,3)
       group by uid;

3. 智能路径检测

智能路径分析模型比较复杂，但同时支持的分析需求也会更加复杂，如分析给定期望的路径终点、途经点和最大事件时间间隔，统计出每条路径的用户数，并按照用户数对路径进行倒序排列

???网上给的例子怎么都是一样的,算了吸收一下吧,虽说数组函数非常灵活,但是不怕查询慢吗??具体还得结合业务过滤大部分的数据

方案一

-- 用groupArray函数整理成<时间, <事件名, expflag>>的元组
select uid ,groupArray((toUInt32(eventTime),(event_type,expflag)))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- arrayFilter 只保留数组中满足条件的数据
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag))))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- arraySort 对数组中的数据按照指定列进行升序排列
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

--  arrayCompact对事件按照时间维度排序后进行相邻去重
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- arrayEnumerate获取下标数组
-- 切割点:过滤出原始行为链中的分界点下标。分界点的条件是路径终点或者时间差大于最大间隔
-- arrayFilter如下返回第一个参数的值,满足x,y,z的值

with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 利用arrayMap和has函数获取下标数组的掩码（由0和1组成的序列），用于最终切分，1表示分界点
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs,
       arrayMap(x -> x + 1, gap_idxs) AS gap_idxs_,  --如果不加1的话上一个事件链的结尾事件会成为下个事件链的开始事件
       arrayMap(x -> if(has(gap_idxs_, x), 1, 0), event_idxs) AS gap_masks  --标记切割点
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 调用arraySplit函数将原始行为链按分界点切分成单次访问的行为链。注意该函数会将分界点作为新链的起始点，所以前面要将分界点的下标加1
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs,
       arrayMap(x -> x + 1, gap_idxs) AS gap_idxs_,
       arrayMap(x -> if(has(gap_idxs_, x), 1, 0), event_idxs) AS gap_masks,
       arraySplit((x, y) -> y, sorted_events, gap_masks) AS split_events  --把用户的访问数据切割成多个事件链
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 调用arrayJoin和arrayCompact函数将事件链的数组打平成多行单列，并去除相邻重复项
select uid,
       arrayJoin(split_events) AS event_chain_,
       arrayCompact(event_chain_.2) AS event_chain  --相邻去重
       from (
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs,
       arrayMap(x -> x + 1, gap_idxs) AS gap_idxs_,
       arrayMap(x -> if(has(gap_idxs_, x), 1, 0), event_idxs) AS gap_masks,
       arraySplit((x, y) -> y, sorted_events, gap_masks) AS split_events  --把用户的访问数据切割成多个事件链
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid ) WHERE event_chain[length(event_chain)].1 = '下单';  -- 事件链最后一个事件必须是目标事件;

-- 调用hasAll函数确定是否全部存在指定的途经点。如果要求有任意一个途经点存在即可，就换用hasAny函数。当然，也可以修改WHERE谓词来排除指定的途经点
-- select  hasAll([('浏览',1),('收藏',1),('下单',1)], [('下单',1),('收藏',1)]) ??这能判断,为什么下面的不行???
select uid,
       arrayJoin(split_events) AS event_chain_,
       arrayCompact(event_chain_.2) AS event_chain,
       hasAll(event_chain, [('浏览',1)]) AS has_midway_hit -- 调用hasAll函数确定是否全部存在指定的途经点
       from (
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,expflag)))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs,
       arrayMap(x -> x + 1, gap_idxs) AS gap_idxs_,
       arrayMap(x -> if(has(gap_idxs_, x), 1, 0), event_idxs) AS gap_masks,
       arraySplit((x, y) -> y, sorted_events, gap_masks) AS split_events
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid ) WHERE event_chain[length(event_chain)].1 = '下单' AND has_midway_hit = 1;  -- 必须包含途经点;

-- 将最终结果整理成可读的字符串
 SELECT
  result_chain,
  uniqCombined(uid) AS user_count
FROM (
select uid,
       arrayJoin(split_events) AS event_chain_,
       arrayCompact(event_chain_.2) AS event_chain,
       hasAll(event_chain, [('浏览','1')]) AS has_midway_hit,
       arrayStringConcat(arrayMap( x -> concat(x.1, '#', toString(x.2)),event_chain ), ' -> ') AS result_chain
       from (
with  (select toUInt32(maxIf(eventTime, event_type = '下单')) AS end_event_max from nonodb.adm_path_tf_demo1) as end_event_max
select uid ,
       arrayCompact(arraySort(x -> (x.1),arrayFilter( x -> x.1 <= end_event_max,groupArray((toUInt32(eventTime),(event_type,toString(expflag))))))) AS sorted_events,
       arrayEnumerate(sorted_events) AS event_idxs,
       arrayFilter( (x, y, z) -> z.1 <= end_event_max AND (z.2.1 = '下单' OR y > 600),event_idxs,arrayDifference(sorted_events.1),sorted_events ) AS gap_idxs,
       arrayMap(x -> x + 1, gap_idxs) AS gap_idxs_,
       arrayMap(x -> if(has(gap_idxs_, x), 1, 0), event_idxs) AS gap_masks,
       arraySplit((x, y) -> y, sorted_events, gap_masks) AS split_events
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid ) WHERE event_chain[length(event_chain)].1 = '下单'
                AND has_midway_hit = 1
     ) group by result_chain order by user_count desc limit  10 ;

bug的解决,hasAll这块判断

 select  hasAll([('浏览',1),('收藏',1),('下单',1)], [('下单',1),('收藏',1)]

虽然上面的是可以的,但是例子中SQL太长了,好像没有转换的问题,导致无法匹配上,最好都转成string类型的....

方案二

不设置途经点，且仅以用户最后一次到达目标事件作为参考

-- 这个有个问题3号没有下单的记录...过滤一下
select uid,
       arrayMap((x, y) -> (x, y),groupArray(event_type),groupArray(eventTime)),
       arrayWithConstant(length(groupArray(eventTime)),maxIf(eventTime, event_type = '下单'))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 找到目标节点前1小时内的所有事件
select uid,
       arrayFilter((x,y) -> y - x.2 > 3600,arrayMap((x, y) -> (x, y),groupArray(event_type),groupArray(eventTime)),
       arrayWithConstant(length(groupArray(eventTime)),maxIf(eventTime, event_type = '下单')))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 进行排序和映射
select uid,
       arrayMap(b -> b.1,arraySort(y -> y.2,arrayFilter((x,y) -> y - x.2 > 3600,arrayMap((x, y) -> (x, y),groupArray(event_type),groupArray(eventTime)),
       arrayWithConstant(length(groupArray(eventTime)),maxIf(eventTime, event_type = '下单')))))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 相邻事件去重
select uid,
       arrayCompact(arrayMap(b -> b.1,arraySort(y -> y.2,arrayFilter((x,y) -> y - x.2 > 3600,arrayMap((x, y) -> (x, y),groupArray(event_type),groupArray(eventTime)),
       arrayWithConstant(length(groupArray(eventTime)),maxIf(eventTime, event_type = '下单'))))))
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid;

-- 拼接路径 arrayStringConcat
select result,uniqCombined(uid) AS user_count
       from (
select uid,
       arrayStringConcat(arrayCompact(arrayMap(b -> b.1,arraySort(y -> y.2,arrayFilter((x,y) -> y - x.2 > 3600,arrayMap((x, y) -> (x, y),groupArray(event_type),groupArray(eventTime)),
       arrayWithConstant(length(groupArray(eventTime)),maxIf(eventTime, event_type = '下单')))))),'->') result
from nonodb.adm_path_tf_demo1
where toDate(eventTime) >= '2022-01-02'  and toDate(eventTime) <= '2022-01-02' and uid in (1,2,3)
group by uid )where result <> ''  group by result;

上面用到的几个高阶函数

1. arrayCompact对数组中的数据进行相邻去重，用户重复操作的事件只记录一次(页面去重)

SELECT arrayCompact([1, 2, 3, 3, 1, 1, 1, 4]) AS data

[1,2,3,1,4]

2. arraySort 对数组中的数据按照指定列进行升序排列；降序排列参考arrayReverseSort

 SELECT arraySort(x -> (x.1), [(1, 'a'), (4, 'd'), (2, 'b'), (3, 'c')]) AS data

[(1,'a'),(2,'b'),(3,'c'),(4,'d')]

3. arrayEnumerate 取数组的下标掩码序列

SELECT arrayEnumerate([1, 2, 3, 3, 1, 1, 4, 2]) AS data

[1,2,3,4,5,6,7,8]

4. arrayMap 对数组中的每一列进行处理，并返回长度相同的新数组

SELECT arrayMap(x -> concat(toString(x.1), ':', x.2), [(1, 'a'), (4, 'a'), (3, 'a'), (2, 'c')]) AS data

['1:a','4:a','3:a','2:c']

5. arrayStringConcat将数组元素按照给定分隔符进行拼接，返回拼接后的字符串

SELECT arrayStringConcat( ['a','b','c'] , '-');

a-b-c

6. arraySplit 按照规则对数组进行分割(遇到下标为1时进行分割，分割点为下一个数组的起始点；注意，首项为1还是0不影响结果)

SELECT arraySplit((x, y) -> y, ['a', 'b', 'c', 'd', 'e'], [1, 1, 1, 0, 0]) AS data

[['a'],['b'],['c','d','e']]

7. arrayDifference参数必须是数值类型；计算数组中相邻数字的差值，第一个值为0

SELECT arrayDifference([3, 1, 1, 4, 2]) AS data

[0,-2,0,3,-2]

8. arrayFilter 只保留数组中满足条件的数据

SELECT arrayFilter((x,y) -> (x > 2 and y >3), [12, 3, 4, 1, 0],[12, 3, 4, 1, 0]) AS data

[12,4]

SELECT arrayFilter(x -> (x > 2), [12, 3, 4, 1, 0]) AS data

[12,3,4]

4. VIVO方案

VIVO路径分析模型

通常用户在需要进行路径分析的场景时关注的主要问题：

按转换率从高至低排列在APP内用户的主要路径是什么？
用户在离开预想的路径后，实际走向是什么？
不同特征的用户行为路径有什么差异？

1. 一些概念

Session和Session Time
不同于WEB应用中的Session，在数据分析中的Session会话，是指在指定的时间段内在网站上发生的一系列互动。本模型中的Session Time的含义是，当两个行为间隔时间超过Session Time，我们便认为这两个行为不属于同一条路径。
桑基图

桑基图

2. 技术关键点

Session切分
其实这里我们可以从前端那拿到会话id,这样就不用切分了
相邻页面去重
滑动数组
转化率计算
页面转化率,路径转化率
邻接表和剪枝

5. Clickhouse问题解决

1. dataGrip连接clickhouse时，时间字段显示差八小时问题

改一下的

2. 远程连接clickhouse

ClickHouse安装和使用

注意关闭防火墙

systemctl status firewalld 

systemctl stop firewalld.service

systemctl disable firewalld.service

3. 遇到的问题

clickhouse单节点报错 Code: 210. DB::NetException: Connection refused (localhost:9000)

<-- <listen_host>0.0.0.0</listen_host> -->

这个注释千万不能去掉....暂时不知道怎么处理..卸载重装吧

clickhouse卸载重装

最后编辑于：2022.06.08 23:35:15

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 212,294评论 6赞 493
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,493评论 3赞 385
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 157,790评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,595评论 1赞 284
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 65,718评论 6赞 386
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 49,906评论 1赞 290
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,053评论 3赞 410
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 37,797评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,250评论 1赞 303
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,570评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,711评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,388评论 4赞 332
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,018评论 3赞 316
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,796评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,023评论 1赞 266
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,461评论 2赞 360
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,595评论 2赞 350