PERCENTILE_APPROX_WEIGHTED

描述

PERCENTILE_APPROX_WEIGHTED 函数用于计算带权重的近似百分位数，主要用于需要考虑数值重要性的场景。它是 PERCENTILE_APPROX 的加权版本，允许为每个值指定一个权重。

主要特点：

1. 支持权重：每个数值可以设置对应的权重，影响最终的百分位数计算
2. 内存效率：使用固定大小的内存，适合处理大规模数据
3. 精度可调：通过 compression 参数平衡精度和性能

语法

PERCENTILE_APPROX_WEIGHTED(<col>, <weight>, <p> [, <compression>])

参数

参数	说明
<col>	需要计算百分位数的列
<weight>	权重列，必须是正数
<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，表示计算得到的加权近似百分位数。

举例

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

-- 插入示例数据
INSERT INTO weighted_scores VALUES
(1, 85.5, 1),   -- 普通作业分数，权重1
(2, 90.0, 2),   -- 重要作业分数，权重2
(3, 75.5, 1),
(4, 95.5, 3),   -- 非常重要的作业，权重3
(5, 88.0, 2),
(6, 92.5, 2),
(7, 78.0, 1),
(8, 89.5, 2),
(9, 94.0, 3),
(10, 83.5, 1);

-- 计算带权重的分数分布
SELECT 
    -- 计算不同压缩度下的90分位数
    percentile_approx_weighted(score, weight, 0.9) as p90_default,          -- 默认压缩度
    percentile_approx_weighted(score, weight, 0.9, 2048) as p90_fast,       -- 低压缩度，更快
    percentile_approx_weighted(score, weight, 0.9, 10000) as p90_accurate   -- 高压缩度，更精确
FROM weighted_scores;

+------------------+------------------+------------------+
| p90_default      | p90_fast         | p90_accurate     |
+------------------+------------------+------------------+
| 95.3499984741211 | 95.3499984741211 | 95.3499984741211 |
+------------------+------------------+------------------+