跳到主要内容
最后于 更新

TOPN

描述​

TOPN 函数用于返回指定列中出现频率最高的 N 个值。它是一个近似计算函数，返回结果的顺序是按照计数值从大到小排序。

语法​

TOPN(<expr>, <top_num> [, <space_expand_rate>])

参数​

参数说明
<expr>要统计的列或表达式，支持类型为 TinyInt，SmallInt，Integer，BigInt，LargeInt，Float，Double，Decimal，Date，Datetime，IPV4，IPV6，String。
<top_num>要返回的最高频率值的数量，必须是 INT 类型的正整数常量。
<space_expand_rate>可选，INT 类型常量，默认值为 50。正数时，中间状态序列化最多保留 top_num * space_expand_rate 个候选，值越大通常越准确；该值不是本地聚合内存的硬上限。Doris 4.1 系列自 4.1.5 起，设置为 0 或负数会保留全部中间候选值，最终结果仍最多返回 top_num 个值；此模式可能占用更多内存，仍受查询内存限制。

返回值​

返回一个 JSON 字符串，包含值和对应的出现次数。 如果组内没有合法数据，返回 NULL。

示例​

-- setup
CREATE TABLE page_visits (
    page_id INT,
    user_id INT,
    visit_date DATE
) DISTRIBUTED BY HASH(page_id)
PROPERTIES (
    "replication_num" = "1"
);
INSERT INTO page_visits VALUES
(1, 101, '2024-01-01'),
(2, 102, '2024-01-01'),
(1, 103, '2024-01-01'),
(3, 101, '2024-01-01'),
(1, 104, '2024-01-01'),
(2, 105, '2024-01-01'),
(1, 106, '2024-01-01'),
(4, 107, '2024-01-01');
SELECT TOPN(page_id, 3) as top_pages
FROM page_visits;

查找访问量最高的前 3 个页面。

+---------------------+
| top_pages           |
+---------------------+
| {"1":4,"2":2,"4":1} |
+---------------------+
SELECT TOPN(page_id, 3) as top_pages
FROM page_visits where page_id is null;
+-----------+
| top_pages |
+-----------+
| NULL      |
+-----------+

保留全部中间候选值，但最终只返回出现次数最多的一个值：

SELECT TOPN(s, 1, 0)
FROM (SELECT 'a' AS s UNION ALL SELECT 'b' UNION ALL SELECT 'a') t;
{"a":2}
反馈问题