Categorias:

Funções de agregação (Frequency Estimation) , Sintaxe e uso da função de janela

APPROX_TOP_K_ACCUMULATE

Retorna o resumo de Space-Saving ao final da agregação. (Para obter mais informações sobre o resumo de Space-Saving, consulte Estimativa de valores frequentes).

A função APPROX_TOP_K descarta seu estado interno intermediário quando a estimativa final de cardinalidade é retornada. Entretanto, em certos casos de uso avançado, tais como a estimativa de valores incrementais frequentes durante o carregamento em massa, você pode querer manter o estado intermediário, caso em que você usaria APPROX_TOP_K_ACCUMULATE em vez de APPROX_TOP_K.

Em comparação com APPROX_TOP_K, APPROX_TOP_K_ACCUMULATE não retorna uma estimativa de frequência dos itens. Em vez disso, ele retorna o próprio estado do algoritmo. O estado intermediário pode ser mais tarde:

  • Combinado (ou seja, fundido) com estados intermediários de lotes de dados separados, mas relacionados.

  • Processado por outras funções que operam diretamente no estado intermediário, por exemplo, APPROX_TOP_K_ESTIMATE. (Para um exemplo, consulte a seção de exemplos abaixo.)

  • Exportado para ferramentas externas.

Consulte também:

APPROX_TOP_K_COMBINE, APPROX_TOP_K_ESTIMATE

Sintaxe

APPROX_TOP_K_ACCUMULATE( <expr> , <counters> )
Copy

Argumentos

expr

A expressão (por exemplo, nome da coluna) para a qual você quer encontrar os valores mais comuns.

counters

Este é o número máximo de valores distintos que podem ser rastreados de cada vez durante o processo de estimativa.

Por exemplo, se counters estiver definido como 100000, então o algoritmo rastreia 100.000 valores distintos, tentando manter os 100.000 valores mais frequentes.

O número máximo de counters é 100000 (100.000).

Exemplos

Este exemplo mostra como usar as três funções relacionadas APPROX_TOP_K_ACCUMULATE, APPROX_TOP_K_ESTIMATE e APPROX_TOP_K_COMBINE.

Nota

Este exemplo utiliza mais contadores do que valores de dados distintos para obter resultados consistentes. Em aplicações do mundo real, o número de valores distintos é geralmente maior do que o número de contadores, portanto, as aproximações podem variar.

Este exemplo gera uma tabela com 8 linhas que possuem valores 1 - 8, e uma segunda tabela com 8 linhas que têm valores 5 - 12. Assim, os valores mais frequentes na união das duas tabelas são os valores 5-8, cada um deles com uma contagem de 2.

Criar uma tabela e dados simples:

-- Create a sequence to use to generate values for the table.
CREATE OR REPLACE SEQUENCE seq91;
CREATE OR REPLACE TABLE sequence_demo (c1 INTEGER DEFAULT seq91.nextval, dummy SMALLINT);
INSERT INTO sequence_demo (dummy) VALUES (0);

-- Double the number of rows a few times, until there are 8 rows:
INSERT INTO sequence_demo (dummy) SELECT dummy FROM sequence_demo;
INSERT INTO sequence_demo (dummy) SELECT dummy FROM sequence_demo;
INSERT INTO sequence_demo (dummy) SELECT dummy FROM sequence_demo;
Copy

Criar uma tabela que contenha o “estado” que representa as informações atuais aproximadas do Top K para a tabela chamada sequence_demo:

CREATE OR REPLACE TABLE resultstate1 AS (
     SELECT approx_top_k_accumulate(c1, 50) AS rs1
        FROM sequence_demo);
Copy

Agora crie uma segunda tabela e adicione dados. (Em uma situação mais realista, o usuário poderia ter carregado mais dados na primeira tabela e dividido os dados em conjuntos não sobrepostos com base no tempo em que os dados foram carregados).

CREATE OR REPLACE TABLE test_table2 (c1 INTEGER);
-- Insert data.
INSERT INTO test_table2 (c1) SELECT c1 + 4 FROM sequence_demo;
Copy

Obtenha as informações de “estado” apenas para os novos dados.

CREATE OR REPLACE TABLE resultstate2 AS 
  (SELECT approx_top_k_accumulate(c1, 50) AS rs1 
     FROM test_table2);
Copy

Combine as informações de “estado” para os dois lotes de linhas:

CREATE OR REPLACE TABLE combined_resultstate (c1) AS 
  SELECT approx_top_k_combine(rs1) AS apc1
    FROM (
        SELECT rs1 FROM resultstate1
        UNION ALL
        SELECT rs1 FROM resultstate2
      )
      ;
Copy

Obtenha o valor aproximado do Top K do conjunto combinado de linhas:

SELECT approx_top_k_estimate(c1, 4) FROM combined_resultstate;
Copy

Saída:

+------------------------------+
| APPROX_TOP_K_ESTIMATE(C1, 4) |
|------------------------------|
| [                            |
|   [                          |
|     5,                       |
|     2                        |
|   ],                         |
|   [                          |
|     6,                       |
|     2                        |
|   ],                         |
|   [                          |
|     7,                       |
|     2                        |
|   ],                         |
|   [                          |
|     8,                       |
|     2                        |
|   ]                          |
| ]                            |
+------------------------------+
Copy
Linguagem: Português