TOPN_ARRAY

描述

TOPN_ARRAY 函数返回指定列中出现频率最高的 N 个值的数组。与 TOPN 函数不同，TOPN_ARRAY 返回一个数组类型，便于后续处理和分析。

语法

TOPN_ARRAY(<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

返回一个数组，包含出现频率最高的 N 个值。 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_ARRAY(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, 2, 4] |
+-----------+

SELECT TOPN_ARRAY(page_id, 3) as top_pages FROM page_visits where page_id is null;

+-----------+
| top_pages |
+-----------+
| NULL      |
+-----------+