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,必须是正整数,支持类型为 Integer。 |
<space_expand_rate> | 可选项,该值用来设置 Space-Saving 算法中使用的 counter 个数counter_numbers = top_num * space_expand_rate space_expand_rate 的值越大,结果越准确,默认值为 50,支持类型为 Integer。 |
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。
举例
-- 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 |
+-----------+