HLL

description

  1. HLL是基于HyperLogLog算法的工程实现，用于保存HyperLogLog计算过程的中间结果，它只能作为表的value列类型
  2. 通过聚合来不断的减少数据量，以此来实现加快查询的目的，基于它到的是一个估算结果，误差大概在1%左右
  3. hll列是通过其它列或者导入数据里面的数据生成的，导入的时候通过hll_hash函数来指定数据中哪一列用于生成hll列
  4. 它常用于替代count distinct，通过结合rollup在业务上用于快速计算uv等
  6.   相关函数:
  8.   HLL_UNION_AGG(hll)
  9.   此函数为聚合函数，用于计算满足条件的所有数据的基数估算。此函数还可用于分析函数，只支持默认窗口，不支持window从句。
  11.   HLL_RAW_AGG(hll)
  12.   此函数为聚合函数，用于聚合hll类型字段，并且返回的还是hll类型。
  14.   HLL_CARDINALITY(hll)
  15.   此函数用于计算单条hll列的基数估算
  17.   HLL_HASH(column_name)
  18.   生成HLL列类型，用于insert或导入的时候，导入的使用见相关说明
  20.   EMPTY_HLL()
  21.   生成空HLL列，用于insert或导入的时候补充默认值，导入的使用见相关说明

example

  1. 1. 首先创建一张含有hll列的表
  2.     create table test(
  3.     dt date,
  4.     id int, 
  5.     name char(10), 
  6.     province char(10),
  7.     os char(1),
  8.     set1 hll hll_union, 
  9.     set2 hll hll_union) 
  10.     distributed by hash(id) buckets 32;
  12. 2. 导入数据，导入的方式见相关help curl
  14.   a. 使用表中的列生成hll列
  15.     curl --location-trusted -uname:password -T data -H "label:load_1" -H "columns:dt, id, name, province, os, set1=hll_hash(id), set2=hll_hash(name)"
  16.         http://host/api/test_db/test/_stream_load
  17.   b. 使用数据中的某一列生成hll列
  18.     curl --location-trusted -uname:password -T data -H "label:load_1" -H "columns:dt, id, name, province, sex, cuid, os, set1=hll_hash(cuid), set2=hll_hash(os)"
  19.         http://host/api/test_db/test/_stream_load
  21. 3. 聚合数据，常用方式3种：（如果不聚合直接对base表查询，速度可能跟直接使用approx_count_distinct速度差不多）
  23.   a. 创建一个rollup，让hll列产生聚合，
  24.     alter table test add rollup test_rollup(dt, set1);
  26.   b. 创建另外一张专门计算uv的表，然后insert数据）
  28.     create table test_uv(
  29.     dt date,
  30.     uv_set hll hll_union)
  31.     distributed by hash(dt) buckets 32;
  33.     insert into test_uv select dt, set1 from test;
  35.   c. 创建另外一张专门计算uv的表，然后insert并通过hll_hash根据test其它非hll列生成hll列
  37.     create table test_uv(
  38.     dt date,
  39.     id_set hll hll_union)
  40.     distributed by hash(dt) buckets 32;
  42.     insert into test_uv select dt, hll_hash(id) from test;
  44. 4. 查询，hll列不允许直接查询它的原始值，可以通过配套的函数进行查询
  46.   a. 求总uv
  47.     select HLL_UNION_AGG(uv_set) from test_uv;
  49.   b. 求每一天的uv
  50.     select dt, HLL_CARDINALITY(uv_set) from test_uv;
  52.   c. 求test表中set1的聚合值
  53.     select dt, HLL_CARDINALITY(uv) from (select dt, HLL_RAW_AGG(set1) as uv from test group by dt) tmp;
  54.     select dt, HLL_UNION_AGG(set1) as uv from test group by dt;

keyword

  1. HLL