HLL.md

HLL

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

HLL_EMPTY() 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(id) 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(id) 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