Question

description

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
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
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
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

  相关函数:

  HLL_UNION_AGG(hll)
  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。

  HLL_RAW_AGG(hll)
  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。

  HLL_CARDINALITY(hll)
  此函数用于计算单条hll列的基数估算

  HLL_HASH(column_name)
  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

  EMPTY_HLL()
  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. 首先创建一张含有hll列的表
    create table test(
    dt date,
    id int, 
    name char(10), 
    province char(10),
    os char(1),
    set1 hll hll_union, 
    set2 hll hll_union) 
    distributed by hash(id) buckets 32;

2. 导入数据，导入的方式见相关help curl

  a. 使用表中的列生成hll列
    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)"
        http://host/api/test_db/test/_stream_load
  b. 使用数据中的某一列生成hll列
    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)"
        http://host/api/test_db/test/_stream_load

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）

  a. 创建一个rollup，让hll列产生聚合，
    alter table test add rollup test_rollup(dt, set1);

  b. 创建另外一张专门计算uv的表，然后insert数据）

    create table test_uv(
    dt date,
    uv_set hll hll_union)
    distributed by hash(dt) buckets 32;

    insert into test_uv select dt, set1 from test;

  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

    create table test_uv(
    dt date,
    id_set hll hll_union)
    distributed by hash(dt) buckets 32;

    insert into test_uv select dt, hll_hash(id) from test;

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

  a. 求总uv
    select HLL_UNION_AGG(uv_set) from test_uv;

  b. 求每一天的uv
    select dt, HLL_CARDINALITY(uv_set) from test_uv;

  c. 求test表中set1的聚合值
    select dt, HLL_CARDINALITY(uv) from (select dt, HLL_RAW_AGG(set1) as uv from test group by dt) tmp;
    select dt, HLL_UNION_AGG(set1) as uv from test group by dt;

keyword

HLL