HyperLogLog 函数

openLooKeng 使用 HyperLogLog 数据结构实现 approx_distinct 函数。

数据结构

openLooKeng 将 HyperLogLog 数据草图实现为一组存储最大哈希的 32 位数据桶。这些数据桶能够以稀疏（作为数据桶 ID 到数据桶的映射）或密集（作为连续的内存块）的方式存储。HyperLogLog 数据结构以稀疏表示开始，当它更高效时会切换到密集表示。P4HyperLogLog 结构以密集方式初始化，并且在其生命周期内保持密集。

hyperloglog_type 隐式转换为 p4hyperloglog_type，您可以显式地将 HyperLogLog 转换为 P4HyperLogLog：

cast(hll AS P4HyperLogLog)

序列化

可以将数据草图序列化为 varbinary，也可以从中反序列化数据草图。这样就可以存储数据草图供以后使用。这与合并多个草图的功能相结合，使您能够计算查询分区元素的 approx_distinct，然后以很小的代价计算整个查询。

例如，计算每日唯一用户的 HyperLogLog 之后，可以通过合并每日数据以增量方式计算每周或每月的唯一用户。这类似于通过汇总每日收入来计算每周收入。可以将 approx_distinct 与 GROUPING SETS 的结合使用转换为使用 HyperLogLog。示例：

CREATE TABLE visit_summaries (
  visit_date date,
  hll varbinary
);

INSERT INTO visit_summaries
SELECT visit_date, cast(approx_set(user_id) AS varbinary)
FROM user_visits
GROUP BY visit_date;

SELECT cardinality(merge(cast(hll AS HyperLogLog))) AS weekly_unique_users
FROM visit_summaries
WHERE visit_date >= current_date - interval '7' day;

函数

approx_set(x) -> HyperLogLog

返回 x 的输入数据集的 HyperLogLog 草图。该数据草图是 approx_distinct 的基础，以后可以通过调用 cardinality() 来存储和使用该数据草图。

cardinality(hll) -> bigint

这将对 hll HyperLogLog 数据草图汇总的数据执行 approx_distinct。

empty_approx_set() -> HyperLogLog

返回一个空 HyperLogLog。

merge(HyperLogLog) -> HyperLogLog

返回各个 hll HyperLogLog 结构聚合合并的 HyperLogLog。