topK

返回指定列中大约最频繁值的数组。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 Filtered Space-Saving 算法来分析 TopK，基于 Parallel Space Saving 的 reduce-and-combine 算法。

topK(N)(column)
topK(N, load_factor)(column)
topK(N, load_factor, 'counts')(column)

该函数无法保证结果。在某些情况下，可能会发生错误，并返回不是最频繁的值的频繁值。

我们建议使用 N < 10 的值；使用较大的 N 值时性能会降低。N 的最大值为 65536。

参数

N — 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，那么 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

示例

以 OnTime 数据集为例，选择 AirlineID 列中出现频率最高的三个值。

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

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

另请参见