topK
返回一个数组，其中包含指定列中近似最频繁的值。结果数组按值的近似频率降序排序（而不是按值本身排序）。
实现了用于分析 TopK 的 Filtered Space-Saving 算法，该算法基于 Parallel Space Saving 中的 reduce-and-combine 算法。
topK(N)(column)
topK(N, load_factor)(column)
topK(N, load_factor, 'counts')(column)
此函数不提供保证结果。在某些情况下，可能会发生错误，并且它可能会返回频繁值，但这些值可能不是最频繁的值。
我们建议使用 N < 10 的值；对于较大的 N 值，性能会降低。N 的最大值为 65536。
参数
N— 要返回的元素数量。可选。默认值：10。load_factor— 定义为值保留的单元格数量。如果 uniq(column) > N * load_factor，则 topK 函数的结果将是近似值。可选。默认值：3。counts— 定义结果是否应包含近似计数和误差值。
参数
column— 要计算频率的值。
示例
使用 OnTime 数据集，并选择 AirlineID 列中最常出现的三种值。
SELECT topK(3)(AirlineID) AS res
FROM ontime
┌─res─────────────────┐
│ [19393,19790,19805] │
└─────────────────────┘
另请参阅