topK

返回一个数组，其中包含指定列中近似最常出现的值。结果数组按这些值的近似出现频率降序排序（而不是按值本身排序）。

实现了用于计算 TopK 的 Filtered Space-Saving 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)

此函数不保证结果是精确的。在某些情况下，可能会产生误差，并且可能返回的一些高频值并不是最频繁的值。

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 — 定义为值预留多少单元格。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 — 定义结果中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，并在 AirlineID 列中选择出现频率最高的三个值。

SELECT topK(3)(AirlineID) AS res
FROM ontime

┌─res─────────────────┐
│ [19393,19790,19805] │
└─────────────────────┘

另请参阅

• topKWeighted
• approx_top_k
• approx_top_sum