quantileGK

使用 Greenwald-Khanna 算法计算数字数据序列的 分位数。Greenwald-Khanna 算法是一种用于对数据流以高度有效的方式计算分位数的算法。该算法由 Michael Greenwald 和 Sanjeev Khanna 于 2001 年推出。它被广泛应用于数据库和大数据系统中，尤其是在需要实时计算大数据流的准确分位数时。该算法非常高效，每个项只需 O(log n) 的空间和 O(log log n) 的时间 (其中 n 为输入大小)。它也高度准确，以高概率提供近似的分位数值。

quantileGK 与 ClickHouse 中的其他分位数函数不同，因为它使用户能够控制近似分位数结果的准确性。

语法

别名: medianGK。

参数

• accuracy — 分位数的准确性。常量正整数。较大的准确性值意味着较小的误差。例如，如果准确性参数设置为 100，计算出的分位数将具有不超过 1% 的误差，并具有很高的概率。计算出的分位数的准确性与算法的计算复杂性之间存在权衡。较大的准确性需要更多的内存和计算资源来准确计算分位数，而较小的准确性参数则允许更快速和更节省内存的计算，但精度稍低。

• level — 分位数级别。可选参数。范围从 0 到 1 的常量浮点数。默认值: 0.5。在 level=0.5 时，该函数计算 中位数。

• expr — 表达式作用于列值，结果为数字 数据类型，Date 或 DateTime。

返回值

• 指定级别和准确性的分位数。

类型:

• Float64 用于数字数据类型输入。
• Date 如果输入值具有 Date 类型。
• DateTime 如果输入值具有 DateTime 类型。

示例

另见

• [median]/sql-reference/aggregate-functions/reference/median
• quantiles