分位摘要函數¶

Presto 實作了兩種演算法來估算基於排名的度量，分位摘要和 T-摘要。 一般來說，T-摘要具有更好的效能，而 Presto 的分位摘要實作則支援更多數值類型。T-摘要在尾部的精確度較高，通常顯著較好，但根據使用的壓縮因子，在中位數的精確度可能會較差。相比之下，分位摘要支援最大排名誤差，這保證了沿分位數的精確度相對均勻。分位摘要也被正式證明支援無損合併，而 T-摘要則不是（但確實憑經驗證明了無損合併）。

Presto 使用分位摘要資料結構實作了 approx_percentile 函數。底層資料結構 qdigest 在 Presto 中作為資料類型公開，並且可以獨立於 approx_percentile 建立、查詢和儲存。

資料結構¶

分位摘要是一種資料草圖，用於儲存近似的百分位資訊。此資料結構的 Presto 類型稱為 qdigest，它採用一個參數，該參數必須是 bigint、double 或 real 中的其中一個，這些參數表示 qdigest 可能會擷取的數字集合。它們可以在不損失精確度的情況下合併，並且為了儲存和擷取，它們可以轉換為/從 VARBINARY 轉換。

函數¶

merge(qdigest) -> qdigest()

將所有輸入的 qdigest 合併為單一的 qdigest。

value_at_quantile(qdigest(T), quantile) -> T()¶

從分位摘要中傳回近似的百分位數值，給定 0 到 1 之間的數字 quantile。

quantile_at_value(qdigest(T), T) -> quantile()¶

從分位摘要中傳回 0 到 1 之間的近似 quantile 數字，給定輸入值。如果分位摘要為空或輸入值超出分位摘要的範圍，則傳回 Null。

scale_qdigest(qdigest(T), scale_factor) -> qdigest(T)¶

傳回一個 qdigest，其分配已按 scale_factor 指定的因數進行縮放。

values_at_quantiles(qdigest(T), quantiles) -> T()¶

傳回近似的百分位數值作為陣列，給定輸入分位摘要和 0 到 1 之間的值陣列，這些值代表要傳回的分位數。

qdigest_agg(x) -> qdigest<[與 x 相同]>()¶

傳回由 x 的所有輸入值組成的 qdigest。

qdigest_agg(x, w) -> qdigest<[與 x 相同]>()¶

傳回由 x 的所有輸入值組成的 qdigest，並使用每個項目的權重 w。

qdigest_agg(x, w, accuracy) -> qdigest<[與 x 相同]>()¶

使用每個項目的權重 w 和最大誤差 accuracy，傳回由 x 的所有輸入值組成的 qdigest。accuracy 必須是個大於零且小於一的值，且對於所有輸入列必須為常數。