HLL函数和操作符

HLL函数和操作符

哈希函数

hll_hash_boolean(bool)

描述：对bool类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# SELECT hll_hash_boolean(FALSE);
  hll_hash_boolean   
---------------------
 -5451962507482445012
(1 row)

hll_hash_boolean(bool, int32)

描述：设置hash seed（即改变哈希策略）并对bool类型数据计算哈希值。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_boolean(FALSE, 10);
  hll_hash_boolean  
--------------------
 -1169037589280886076
(1 row)
```

hll_hash_smallint(smallint)

描述：对smallint类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# SELECT hll_hash_smallint(100::smallint);
  hll_hash_smallint  
---------------------
 962727970174027904
(1 row)

说明：

数值大小相同的参数使用不同数据类型的哈希函数计算，最后结果会不一样，因为不同类型哈希函数会选取不同的哈希计算策略。

hll_hash_smallint(smallint, int32)

描述：设置hash seed（即改变哈希策略）同时对smallint类型数据计算哈希值。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_smallint(100::smallint, 10);
  hll_hash_smallint  
---------------------
 -9056177146160443041
(1 row)
```

hll_hash_integer(integer)

描述：对integer类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# SELECT hll_hash_integer(0);
   hll_hash_integer   
----------------------
 5156626420896634997
(1 row)

hll_hash_integer(integer, int32)

描述：对integer类型数据计算哈希值，并设置hashseed（即改变哈希策略）。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_integer(0, 10);
  hll_hash_integer  
--------------------
 -5035020264353794276
(1 row)
```

hll_hash_bigint(bigint)

描述：对bigint类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# SELECT hll_hash_bigint(100::bigint);
   hll_hash_bigint   
---------------------
 -2401963681423227794
(1 row)

hll_hash_bigint(bigint, int32)

描述：对bigint类型数据计算哈希值，并设置hashseed（即改变哈希策略）。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_bigint(100::bigint, 10);
   hll_hash_bigint   
---------------------
 -2305749404374433531
(1 row)
```
hll_hash_bytea(bytea)

描述：对bytea类型数据计算哈希值。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_bytea(E'\\x');
 hll_hash_bytea 
----------------
 0
(1 row)
```
hll_hash_bytea(bytea, int32)

描述：对bytea类型数据计算哈希值，并设置hashseed（即改变哈希策略）。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_bytea(E'\\x', 10);
   hll_hash_bytea    
---------------------
 7233188113542599437
(1 row)
```

hll_hash_text(text)

描述：对text类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# SELECT hll_hash_text('AB');
    hll_hash_text    
---------------------
 -5666002586880275174
(1 row)

hll_hash_text(text, int32)

描述：对text类型数据计算哈希值，并设置hashseed（即改变哈希策略）。

返回值类型：hll_hashval

示例：
```
openGauss=# SELECT hll_hash_text('AB', 10);
hll_hash_text
---------------------
-2215507121143724132
(1 row)
```

hll_hash_any(anytype)

描述：对任意类型数据计算哈希值。

返回值类型：hll_hashval

示例：

openGauss=# select hll_hash_any(1);
     hll_hash_any     
----------------------
 -1316670585935156930
(1 row)
openGauss=# select hll_hash_any('08:00:2b:01:02:03'::macaddr);
     hll_hash_any     
----------------------
 -3719950434455589360
(1 row)

hll_hash_any(anytype, int32)

描述：对任意类型数据计算哈希值，并设置hashseed（即改变哈希策略）。

返回值类型：hll_hashval

示例：
```
openGauss=# select hll_hash_any(1, 10);
     hll_hash_any     
----------------------
 7048553517657992351
(1 row)
```
hll_hashval_eq(hll_hashval, hll_hashval)

描述：比较两个hll_hashval类型数据是否相等。

返回值类型：bool

示例：
```
openGauss=# select hll_hashval_eq(hll_hash_integer(1), hll_hash_integer(1));
 hll_hashval_eq 
----------------
 t
(1 row)
```
hll_hashval_ne(hll_hashval, hll_hashval)

描述：比较两个hll_hashval类型数据是否不相等。

返回值类型：bool

示例：
```
openGauss=# select hll_hashval_ne(hll_hash_integer(1), hll_hash_integer(1));
 hll_hashval_ne 
----------------
 f
(1 row)
```

日志函数

hll主要存在三种模式Explicit、Sparse、Full。当数据规模比较小的时候会使用Explicit模式，这种模式下distinct值的计算是没有误差的；随着distinct值越来越多，hll会先后转换为Sparse模式和Full模式，这两种模式在计算结果上没有任何区别，只影响hll函数的计算效率和hll对象的存储空间。下面的函数可以用于查看hll的一些参数。

hll_print(hll)

描述：打印hll的一些debug参数信息。

示例：

openGauss=# select hll_print(hll_empty());
                                   hll_print
-------------------------------------------------------------------------------
 type=1(HLL_EMPTY), log2m=14, log2explicit=10, log2sparse=12, duplicatecheck=0
(1 row)

hll_type(hll)

描述：查看当前hll的类型。返回值具体含义如下：返回值0，表示HLL_UNINIT，未初始化的hll对象；返回值1，表示HLL_EMPTY，hll空对象；返回值2，表示HLL_EXPLICIT，Explicit模式的hll对象；返回值3，表示HLL_SPARSE，Sparse模式的hll对象；返回值4，表示HLL_FULL，Full模式的hll对象；返回值5，表示HLL_UNDEFINED，不合法的hll对象。

示例：
```
openGauss=# select hll_type(hll_empty());
 hll_type 
----------
        1
(1 row)
```
hll_log2m(hll)

描述：查看当前hll数据结构中的log2m数值，log2m是分桶数的对数值，此值会影响最后hll计算distinct误差率，误差率计算公式为±1.04/√(2 ^ log2m)。当显式指定log2m的取值为10-16之间时，hll会设置分桶数为2log2m。当显示指定log2explicit为-1时，会采用内置默认值。

示例：
```
openGauss=# select hll_log2m(hll_empty());
 hll_log2m
-----------
        14
(1 row)
openGauss=# select hll_log2m(hll_empty(10));
 hll_log2m
-----------
        10
(1 row)
openGauss=# select hll_log2m(hll_empty(-1));
 hll_log2m
-----------
        14
(1 row)
```
hll_log2explicit(hll)

描述：查看当前hll数据结构中的log2explicit数值。hll通常会由Explicit模式到Sparse模式再到Full模式，这个过程称为promotion hierarchy策略。可以通过调整log2explicit值的大小改变策略，比如log2explicit为0的时候就会跳过Explicit模式而直接进入Sparse模式。当显式指定log2explicit的取值为1-12之间时，hll会在数据段长度超过2log2explicit时转为Sparse模式。当显示指定log2explicit为-1时，会采用内置默认值。

示例：
```
openGauss=# select hll_log2explicit(hll_empty());
 hll_log2explicit
------------------
               10
(1 row)
openGauss=# select hll_log2explicit(hll_empty(12, 8));
 hll_log2explicit
------------------
                8
(1 row)
openGauss=# select hll_log2explicit(hll_empty(12, -1));
 hll_log2explicit
------------------
               10
(1 row)
```
hll_log2sparse(hll)

描述：查看当前hll数据结构中的log2sparse数值。hll通常会由Explicit模式到Sparse模式再到Full模式，这个过程称为promotion hierarchy策略。可以通过调整log2sparse值的大小改变策略，比如log2sparse为0的时候就会跳过Sparse模式而直接进入Full模式。当显式指定Sparse的取值为1-14之间时，hll会在数据段长度超过2log2sparse时转为Full模式。当显示指定log2sparse为-1时，会采用内置默认值。

示例：
```
openGauss=# select hll_log2sparse(hll_empty());
 hll_log2sparse
----------------
             12
(1 row)
openGauss=# select hll_log2sparse(hll_empty(12, 8, 10));
 hll_log2sparse
----------------
             10
(1 row)
openGauss=# select hll_log2sparse(hll_empty(12, 8, -1));
 hll_log2sparse
----------------
             12
(1 row)
```

hll_duplicatecheck(hll)

描述：是否启用duplicatecheck，0是关闭，1是开启。默认关闭，对于有较多重复值出现的情况，可以开启以提高效率。当显示指定duplicatecheck为-1时，会采用内置默认值。

示例：

openGauss=# select hll_duplicatecheck(hll_empty());
 hll_duplicatecheck
--------------------
                  0
(1 row)
openGauss=# select hll_duplicatecheck(hll_empty(12, 8, 10, 1));
 hll_duplicatecheck
--------------------
                  1
(1 row)
openGauss=# select hll_duplicatecheck(hll_empty(12, 8, 10, -1));
 hll_duplicatecheck
--------------------
                  0
(1 row)

功能函数

hll_empty()

描述：创建一个空的hll。

返回值类型：hll

示例：

openGauss=# select hll_empty();
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000002b05000000000000000000000000000000000000
(1 row)

hll_empty(int32 log2m)

描述：创建空的hll并指定参数log2m，取值范围是10到16。若输入-1，则采用内置默认值。

返回值类型：hll

示例：

openGauss=# select hll_empty(10);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000002b04000000000000000000000000000000000000
(1 row)
openGauss=# select hll_empty(-1);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000002b05000000000000000000000000000000000000
(1 row)

hll_empty(int32 log2m, int32 log2explicit)

描述：创建空的hll并依次指定参数log2m、log2explicit。log2explicit取值范围是0到12，0表示直接跳过Explicit模式。该参数可以用来设置Explicit模式的阈值大小，在数据段长度达到2log2explicit后切换为Sparse模式或者Full模式。若输入-1，则log2explicit采用内置默认值。

返回值类型: hll

示例：

openGauss=# select hll_empty(10, 4);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000001304000000000000000000000000000000000000
(1 row)
openGauss=# select hll_empty(10, -1);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000002b04000000000000000000000000000000000000
(1 row)

hll_empty(int32 log2m, int32 log2explicit, int64 log2sparse)

描述：创建空的hll并依次指定参数log2m、log2explicit、log2sparse。log2sparse取值范围是0到14，0表示直接跳过Sparse模式。该参数可以用来设置Sparse模式的阈值大小，在数据段长度达到2log2sparse后切换为Full模式。若输入-1，则log2sparse采用内置默认值。

返回值类型：hll

示例：

openGauss=# select hll_empty(10, 4, 8);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000001204000000000000000000000000000000000000
(1 row)
openGauss=# select hll_empty(10, 4, -1);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000001304000000000000000000000000000000000000
(1 row)

hll_empty(int32 log2m, int32 log2explicit, int64 log2sparse, int32 duplicatecheck)

描述：创建空的hll并依次指定参数log2m、log2explicit、log2sparse、duplicatecheck。duplicatecheck取0或者1，表示是否开启该模式，默认情况下该模式会关闭。若输入-1，则duplicatecheck采用内置默认值。

返回值类型：hll

示例：

openGauss=# select hll_empty(10, 4, 8, 0);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000001204000000000000000000000000000000000000
(1 row)
openGauss=# select hll_empty(10, 4, 8, -1);
                         hll_empty
------------------------------------------------------------
 \x484c4c00000000001204000000000000000000000000000000000000
(1 row)

hll_add(hll, hll_hashval)

描述：把hll_hashval加入到hll中。

返回值类型：hll

示例：

openGauss=# select hll_add(hll_empty(), hll_hash_integer(1));
                                  hll_add
----------------------------------------------------------------------------
 \x484c4c08000002002b0900000000000000f03f3e2921ff133fbaed3e2921ff133fbaed00
(1 row)

hll_add_rev(hll_hashval, hll)

描述：把hll_hashval加入到hll中，和hll_add功能一样，只是参数位置进行了交换。

返回值类型：hll

示例：

openGauss=# select hll_add_rev(hll_hash_integer(1), hll_empty());
                                hll_add_rev
----------------------------------------------------------------------------
 \x484c4c08000002002b0900000000000000f03f3e2921ff133fbaed3e2921ff133fbaed00
(1 row)

hll_eq(hll, hll)

描述：比较两个hll是否相等。

返回值类型：bool

示例：

openGauss=# select hll_eq(hll_add(hll_empty(), hll_hash_integer(1)), hll_add(hll_empty(), hll_hash_integer(2)));
 hll_eq 
--------
 f
(1 row)

hll_ne(hll, hll)

描述：比较两个hll是否不相等。

返回值类型：bool

示例：

openGauss=# select hll_ne(hll_add(hll_empty(), hll_hash_integer(1)), hll_add(hll_empty(), hll_hash_integer(2)));
 hll_ne 
--------
 t
(1 row)

hll_cardinality(hll)

描述：计算hll的distinct值。

返回值类型：int

示例：

openGauss=# select hll_cardinality(hll_empty() || hll_hash_integer(1));
 hll_cardinality 
-----------------
               1
(1 row)

hll_union(hll, hll)

描述：把两个hll数据结构union成一个。

返回值类型：hll

示例：

openGauss=# select hll_union(hll_add(hll_empty(), hll_hash_integer(1)), hll_add(hll_empty(), hll_hash_integer(2)));
                                         hll_union
--------------------------------------------------------------------------------------------
 \x484c4c10002000002b090000000000000000400000000000000000b3ccc49320cca1ae3e2921ff133fbaed00
(1 row)

聚合函数

hll_add_agg(hll_hashval)

描述：把哈希后的数据按照分组放到hll中。

返回值类型：hll

示例：

--准备数据
openGauss=# create table t_id(id int);
openGauss=# insert into t_id values(generate_series(1,500));
openGauss=# create table t_data(a int, c text);
openGauss=# insert into t_data select mod(id,2), id from t_id;
--创建表并指定列为hll
openGauss=# create table t_a_c_hll(a int, c hll);
--根据a列group by对数据分组，把各组数据加到hll中
openGauss=# insert into t_a_c_hll select a, hll_add_agg(hll_hash_text(c)) from t_data group by a;
--得到每组数据中hll的Distinct值
openGauss=# select a, #c as cardinality from t_a_c_hll order by a;
 a |   cardinality    
---+------------------
 0 | 247.862354346299
 1 | 250.908710610377
(2 rows)

hll_add_agg(hll_hashval, int32 log2m)

描述：把哈希后的数据按照分组放到hll中，并指定参数log2m，取值范围是10到16。若输入-1或者NULL，则采用内置默认值。

返回值类型：hll

示例：
```
openGauss=# select hll_cardinality(hll_add_agg(hll_hash_text(c), 12)) from t_data;
 hll_cardinality  
------------------
 497.965240179228
(1 row)
```
hll_add_agg(hll_hashval, int32 log2m, int32 log2explicit)

描述：把哈希后的数据按照分组放到hll中，依次指定参数log2m、log2explicit。log2explicit取值范围是0到12，0表示直接跳过Explicit模式。该参数可以用来设置Explicit模式的阈值大小，在数据段长度达到2log2explicit后切换为Sparse模式或者Full模式。若输入-1或者NULL，则log2explicit采用内置默认值。

返回值类型：hll

示例：
```
openGauss=# select hll_cardinality(hll_add_agg(hll_hash_text(c), NULL, 1)) from t_data;
 hll_cardinality  
------------------
 498.496062953313
(1 row)
```
hll_add_agg(hll_hashval, int32 log2m, int32 log2explicit, int64 log2sparse)

描述：把哈希后的数据按照分组放到hll中，依次指定参数log2m、log2explicit、log2sparse。log2sparse取值范围是0到14，0表示直接跳过Sparse模式。该参数可以用来设置Sparse模式的阈值大小，在数据段长度达到2log2sparse后切换为Full模式。若输入-1或者NULL，则log2sparse采用内置默认值。

返回值类型：hll

示例：
```
openGauss=# select hll_cardinality(hll_add_agg(hll_hash_text(c), NULL, 6, 10)) from t_data;
 hll_cardinality  
------------------
 498.496062953313
(1 row)
```
hll_add_agg(hll_hashval, int32 log2m, int32 log2explicit, int64 log2sparse, int32 duplicatecheck)

描述：把哈希后的数据按照分组放到hll中, 依次制定参数log2m、log2explicit、log2sparse、duplicatecheck，duplicatecheck取值范围是0或者1，表示是否开启该模式，默认情况下该模式会关闭。若输入-1或者NULL，则duplicatecheck采用内置默认值。

返回值类型：hll

示例：
```
openGauss=# select hll_cardinality(hll_add_agg(hll_hash_text(c), NULL, 6, 10, -1)) from t_data;
 hll_cardinality  
------------------
 498.496062953313
(1 row)
```
hll_union_agg(hll)

描述：将多个hll类型数据union成一个hll。

返回值类型：hll

示例：
```
--将各组中的hll数据union成一个hll，并计算distinct值。
openGauss=# select #hll_union_agg(c) as cardinality from t_a_c_hll;
   cardinality    
------------------
 498.496062953313
(1 row)
```
说明：

注意：当两个或者多个hll数据结构做union的时候，必须要保证其中每一个hll里面的精度参数一样，否则将不可以进行union。同样的约束也适用于函数hll_union(hll,hll)。

废弃函数

由于版本升级，HLL（HyperLogLog）有一些旧的函数废弃，用户可以用类似的函数进行替代。

hll_schema_version(hll)

描述：查看当前hll中的schema version。旧版本schema version是常值1，用来进行hll字段的头部校验，重构后的hll在头部增加字段“HLL”进行校验，schema version不再使用。
hll_regwidth(hll)

描述：查看hll数据结构中桶的位数大小。旧版本桶的位数regwidth取值1~5，会存在较大的误差，也限制了基数估计上限。重构后regwidth为固定值6，不再使用regwidth变量。
hll_expthresh(hll)

描述：得到当前hll中expthresh大小。采用hll_log2explicit(hll)替代类似功能。
hll_sparseon(hll)

描述：是否启用Sparse模式。采用hll_log2sparse(hll)替代类似功能，0表示关闭Sparse模式。

内置函数

HLL（HyperLogLog）有一系列内置函数用于内部对数据进行处理，一般情况下用户不需要熟知这些函数的使用。详情见表1。

表 1 内置函数

函数名称	功能描述
hll_in	以string格式接收hll数据。
hll_out	以string格式发送hll数据。
hll_recv	以bytea格式接收hll数据。
hll_send	以bytea格式发送hll数据。
hll_trans_in	以string格式接收hll_trans_type数据。
hll_trans_out	以string格式发送hll_trans_type数据。
hll_trans_recv	以bytea形式接收hll_trans_type数据。
hll_trans_send	以bytea形式发送hll_trans_type数据。
hll_typmod_in	接收typmod类型数据。
hll_typmod_out	发送typmod类型数据。
hll_hashval_in	接收hll_hashval类型数据。
hll_hashval_out	发送hll_hashval类型数据。
hll_add_trans0	类似于hll_add所提供的功能，初始化时无指定入参，通常在聚合运算的第一阶段DN上使用。
hll_add_trans1	类似于hll_add所提供的功能，初始化时指定一个入参，通常在聚合运算的第一阶段DN上使用。
hll_add_trans2	类似于hll_add所提供的功能，初始化时指定两个入参，通常在聚合运算的第一阶段DN上使用。
hll_add_trans3	类似于hll_add所提供的功能，初始化时指定三个入参，通常在聚合运算的第一阶段DN上使用。
hll_add_trans4	类似于hll_add所提供的功能，初始化时指定四个入参，通常在聚合运算的第一阶段DN上使用。
hll_union_trans	类似hll_union所提供的功能，在聚合运算的第一阶段DN上使用。
hll_union_collect	类似于hll_union所提供的功能，在聚合运算第二阶段DN上使用，汇总各个DN上的结果。
hll_pack	在聚合运算第三阶段DN上使用，把自定义hll_trans_type类型最后转换成hll类型。
hll	用于hll类型转换成hll类型，根据输入参数会设定指定参数。
hll_hashval	用于bigint类型转换成hll_hashval类型。
hll_hashval_int4	用于int4类型转换成hll_hashval类型。

操作符

描述：比较hll或hll_hashval的值是否相等。

返回值类型：bool

示例：

--hll
openGauss=# select (hll_empty() || hll_hash_integer(1)) = (hll_empty() || hll_hash_integer(1));
column 
----------
 t
(1 row)
--hll_hashval
openGauss=# select hll_hash_integer(1) = hll_hash_integer(1);
 ?column? 
----------
 t
(1 row)

<> or !=

描述：比较hll或hll_hashval是否不相等。

返回值类型：bool

示例：

--hll
openGauss=# select (hll_empty() || hll_hash_integer(1)) <> (hll_empty() || hll_hash_integer(2));
 ?column? 
----------
 t
(1 row)
--hll_hashval
openGauss=# select hll_hash_integer(1) <> hll_hash_integer(2);
 ?column? 
----------
 t
(1 row)

描述：可代表hll_add、hll_union、hll_add_rev三个函数的功能。

返回值类型：hll

示例：

--hll_add
openGauss=# select hll_empty() || hll_hash_integer(1);
                                  ?column?
----------------------------------------------------------------------------
 \x484c4c08000002002b0900000000000000f03f3e2921ff133fbaed3e2921ff133fbaed00
(1 row)
--hll_add_rev
openGauss=# select hll_hash_integer(1) || hll_empty();
                                  ?column?
----------------------------------------------------------------------------
 \x484c4c08000002002b0900000000000000f03f3e2921ff133fbaed3e2921ff133fbaed00
(1 row)
--hll_union
openGauss=# select (hll_empty() || hll_hash_integer(1)) || (hll_empty() || hll_hash_integer(2));
                                          ?column?
--------------------------------------------------------------------------------------------
 \x484c4c10002000002b090000000000000000400000000000000000b3ccc49320cca1ae3e2921ff133fbaed00
(1 row)

描述：计算出hll的Dintinct值, 同hll_cardinality函数。

返回值类型：int

示例：

openGauss=# select #(hll_empty() || hll_hash_integer(1));
 ?column? 
----------
        1
(1 row)