quantileGK

计算数值数据序列的 分位数，使用 Greenwald-Khanna 算法。Greenwald-Khanna 算法是一种以高度有效的方式在数据流上计算分位数的算法。它由 Michael Greenwald 和 Sanjeev Khanna 于 2001 年提出。该算法广泛应用于数据库和大数据系统中，实时计算大量数据流的准确分位数是必需的。该算法极其高效，每个元素只需 O(log n) 的空间和 O(log log n) 的时间（其中 n 是输入的大小）。它也非常准确，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

quantileGK(accuracy, level)(expr)

别名：medianGK。

参数

• accuracy — 分位数的准确性。常量正整数。更大的准确性值意味着更小的误差。例如，如果将 accuracy 参数设置为 100，则计算出的分位数在高概率下的误差不会超过 1%。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。更大的准确性需要更多的内存和计算资源来精确计算分位数，而较小的准确性参数允许更快和更节省内存的计算，但准确性稍低。

• level — 分位数的级别。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，函数计算 中位数。

• expr — 对列值的表达式，结果为数值 数据类型，Date 或 DateTime。

返回值

• 指定级别和准确性的分位数。

类型：

• 如果输入数据类型为数值，则返回 Float64。
• 如果输入值为 Date 类型，则返回 Date。
• 如果输入值为 DateTime 类型，则返回 DateTime。

示例

SELECT quantileGK(1, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(1, 0.25)(plus(number, 1))─┐
│                                    1 │
└──────────────────────────────────────┘

SELECT quantileGK(10, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(10, 0.25)(plus(number, 1))─┐
│                                   156 │
└───────────────────────────────────────┘

SELECT quantileGK(100, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(100, 0.25)(plus(number, 1))─┐
│                                    251 │
└────────────────────────────────────────┘

SELECT quantileGK(1000, 0.25)(number + 1)
FROM numbers(1000)

┌─quantileGK(1000, 0.25)(plus(number, 1))─┐
│                                     249 │
└─────────────────────────────────────────┘

另见

• median
• quantiles