跳到主要内容
跳到主要内容

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