PERCENTILE_RESERVOIR

描述

计算近似的第 p 位百分数。 该函数采用reservoir sampling算法，reservoir最大容量为8192，并使用随机数生成器进行抽样，结果是非确定性的。适用于大数据量下。 p 的值介于 0 到 1 之间，并注意这不是两数字的平均数.

语法

PERCENTILE_RESERVOIR(<col>, <p>)

参数

参数	说明
<col>	需要被计算近似的百分位数的列，支持类型: DOUBLE类型。
<p>	需要近似的百分位数，常量，支持类型: DOUBLE类型，取值为 [0.0, 1.0]。

返回值

返回指定列的近似的百分位数，类型为 DOUBLE。 如果组内没有合法数据，则返回 NULL 。

举例

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

-- 插入示例数据
INSERT INTO sales_data VALUES
(1, 10.00),
(1, 15.00),
(1, 20.00),
(1, 25.00),
(1, 30.00),
(1, 35.00),
(1, 40.00),
(1, 45.00),
(1, 50.00),
(1, 100.00);

-- 计算不同百分位的销售价格
SELECT 
    percentile_reservoir(sale_price, 0.5)  as median_price,     -- 中位数
    percentile_reservoir(sale_price, 0.75) as p75_price,        -- 75 分位数
    percentile_reservoir(sale_price, 0.90) as p90_price,        -- 90 分位数
    percentile_reservoir(sale_price, 0.95) as p95_price,        -- 95 分位数
    percentile_reservoir(null, 0.99)       as p99_null          -- null 的 99 分位数
FROM sales_data;

+--------------+-----------+-------------------+-------------------+----------+
| median_price | p75_price | p90_price         | p95_price         | p99_null |
+--------------+-----------+-------------------+-------------------+----------+
|         32.5 |     43.75 | 54.99999999999998 | 77.49999999999994 |     NULL |
+--------------+-----------+-------------------+-------------------+----------+

select percentile_reservoir(sale_price, NULL) from sales_data;

如果输入数据均为 NULL，则返回NULL。

+----------------------------------------+
| percentile_reservoir(sale_price, NULL) |
+----------------------------------------+
|                                   NULL |
+----------------------------------------+