hll插件支持的数据类型HyperLogLog可以帮助您快速预估PV、UV等业务指标。

前提条件

实例版本如下:
  • PostgreSQL 12(内核小版本20200421及以上)
  • PostgreSQL 11(内核小版本20200402及以上)
说明 您可以在基本信息页面的配置信息区域查看是否有升级内核小版本按钮。如果有按钮,您可以单击按钮查看当前版本;如果没有按钮,表示已经是最新版。详情请参见升级内核小版本
pgsql升级内核

背景信息

hll插件支持一种可变长、类似集合的数据类型HyperLogLog(hll),常用于在指定精度下返回近似的distinct值,例如1280字节的hll数据类型可以高精度地估计出近百亿的distinct值。hll适合互联网广告分析或其他有类似预估分析计算需求的行业,可以快速预估PV、UV等业务指标。

更多hll插件使用方法请参见postgresql-hll

详细算法说明请参见论文HyperLogLog: the analysis of a near-optimalcardinality estimation algorithm

创建hll插件

连接实例后创建hll插件,命令如下:

CREATE EXTENSION hll;

基础操作

  • 创建一个含有hll字段的表,命令如下:
    create table agg (id int primary key,userids hll);
  • 将int数据类型转换为hll_hashval,命令如下:
    select 1::hll_hashval;

基本操作符

  • hll类型支持如下操作符:
    • =
    • !=
    • <>
    • ||
    • #

    示例如下:

    select hll_add_agg(1::hll_hashval) = hll_add_agg(2::hll_hashval);
    select hll_add_agg(1::hll_hashval) || hll_add_agg(2::hll_hashval);
    select #hll_add_agg(1::hll_hashval);
  • hll_hashval类型支持如下操作符:
    • =
    • !=
    • <>

    示例如下:

    select 1::hll_hashval = 2::hll_hashval;
    select 1::hll_hashval <> 2::hll_hashval;

基本函数

  • 支持hll_hash_boolean、hll_hash_smallint和hll_hash_bigint等hash函数,示例如下:
    select hll_hash_boolean(true);
    select hll_hash_integer(1);
  • 支持hll_add_agg函数,可以将int转换为hll格式,示例如下:
    select hll_add_agg(1::hll_hashval);
  • 支持hll_union函数,可以将hll并集,示例如下:
    select hll_union(hll_add_agg(1::hll_hashval),hll_add_agg(2::hll_hashval));
  • 支持hll_set_defaults函数,可以设置精度,示例如下:
    select hll_set_defaults(15,5,-1,1);
  • 支持hll_print函数,用于打印debug信息,示例如下:
    select hll_print(hll_add_agg(1::hll_hashval));

示例

create table access_date (acc_date date unique, userids hll);
insert into access_date select current_date, hll_add_agg(hll_hash_integer(user_id)) from generate_series(1,10000) t(user_id);
insert into access_date select current_date-1, hll_add_agg(hll_hash_integer(user_id)) from generate_series(5000,20000) t(user_id);
insert into access_date select current_date-2, hll_add_agg(hll_hash_integer(user_id)) from generate_series(9000,40000) t(user_id);
postgres=# select #userids from access_date where acc_date=current_date;
     ?column?
------------------
 9725.85273370708
(1 row)
postgres=# select #userids from access_date where acc_date=current_date-1;
     ?column?
------------------
 14968.6596883279
(1 row)
postgres=# select #userids from access_date where acc_date=current_date-2;
     ?column?
------------------
 29361.5209149911
(1 row)