PERCENTILE_APPROX

描述

PERCENTILE_APPROX 函数用于计算近似百分位数，主要用于大数据集的场景。与 PERCENTILE 函数相比，它具有以下特点：

1. 内存效率：使用固定大小的内存，即使在处理低基数列（数据量很大但不同元素数很少）时也能保持较低的内存消耗
2. 性能优势：适合处理低基数大规模数据集，计算速度快
3. 精度可调：通过 compression 参数可以在精度和性能之间做平衡

语法

PERCENTILE_APPROX(<col>, <p> [, <compression>])

参数

参数	说明
<col>	需要计算百分位数的列
<p>	百分位数值，取值范围 [0.0, 1.0]，例如 0.99 表示 99 分位数
<compression>	可选参数，压缩度，取值范围 [2048, 10000]。值越大，精度越高，但内存消耗也越大。如果不指定或超出范围，则使用 10000。

返回值

返回一个 DOUBLE 类型的值，表示计算得到的近似百分位数。

举例

-- 创建示例表
CREATE TABLE response_times (
    request_id INT,
    response_time DECIMAL(10, 2)
) DUPLICATE KEY(`request_id`)
DISTRIBUTED BY HASH(`request_id`) BUCKETS AUTO
PROPERTIES (
    "replication_allocation" = "tag.location.default: 1"
);

-- 插入示例数据
INSERT INTO response_times VALUES
(1, 10.5),
(2, 15.2),
(3, 20.1),
(4, 25.8),
(5, 30.3),
(6, 35.7),
(7, 40.2),
(8, 45.9),
(9, 50.4),
(10, 100.6);

-- 使用不同压缩度计算 99 分位数
SELECT 
    percentile_approx(response_time, 0.99) as p99_default,          -- 默认压缩度
    percentile_approx(response_time, 0.99, 2048) as p99_fast,       -- 低压缩度，更快
    percentile_approx(response_time, 0.99, 10000) as p99_accurate   -- 高压缩度，更精确
FROM response_times;

+-------------------+-------------------+-------------------+
| p99_default       | p99_fast          | p99_accurate      |
+-------------------+-------------------+-------------------+
| 100.5999984741211 | 100.5999984741211 | 100.5999984741211 |
+-------------------+-------------------+-------------------+