quantileGK

使用 分位数算法 Greenwald-Khanna 计算数值数据序列的 分位数。Greenwald-Khanna 算法是一种用于以高效方式计算数据流中分位数的算法。它由 Michael Greenwald 和 Sanjeev Khanna 于 2001 年提出。它广泛用于数据库和大型数据系统，在这些系统中，需要实时计算大型数据流中的精确分位数。该算法效率很高，每个项目只需要 O(log n) 空间和 O(log log n) 时间（其中 n 是输入的大小）。它也高度准确，以高概率提供近似分位数值。

quantileGK 与 ClickHouse 中的其他分位数函数不同，因为它允许用户控制近似分位数结果的精度。

语法

quantileGK(accuracy, level)(expr)

别名：medianGK。

参数

• accuracy — 分位数的精度。常量正整数。较大的精度值意味着较小的误差。例如，如果将精度参数设置为 100，则计算出的分位数的误差不大于 1%（以高概率）。计算出的分位数的精度和算法的计算复杂度之间存在权衡。较高的精度需要更多内存和计算资源才能准确计算分位数，而较低的精度参数允许更快速、更节省内存的计算，但精度略低。

• level — 分位数的级别。可选参数。0 到 1 之间的常量浮点数。默认值：0.5。在 level=0.5 时，函数计算 中位数。

• expr — 对列值进行运算，结果为数值 数据类型、Date 或 DateTime。

返回值

• 指定级别和精度的分位数。

类型

• 对于数值数据类型输入，为 Float64。
• 如果输入值为 Date 类型，则为 Date。
• 如果输入值为 DateTime 类型，则为 DateTime。

示例

SELECT quantileGK(1, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(1, 0.25)(plus(number, 1))─┐
│                                    1 │
└──────────────────────────────────────┘

SELECT quantileGK(10, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(10, 0.25)(plus(number, 1))─┐
│                                   156 │
└───────────────────────────────────────┘

SELECT quantileGK(100, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(100, 0.25)(plus(number, 1))─┐
│                                    251 │
└────────────────────────────────────────┘

SELECT quantileGK(1000, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(1000, 0.25)(plus(number, 1))─┐
│                                     249 │
└─────────────────────────────────────────┘

另请参阅

• median
• quantiles