类别：

/sql-reference/functions-aggregation`（频率估算）、:doc:/sql-reference/functions-window`

APPROX_TOP_K

使用 Space-Saving 返回输入中出现频率最高的值的近似值，以及其近似频率。

输出是一个由数组组成的 JSON 数组。在内部数组中，第一个条目是输入中的一个值，第二个条目对应于其在输入中的估计频率。外部数组包含 k 项目（按频率降序排序）。

有关 APPROX_TOP_K 的更多信息，请参阅 估计频次值。

另请参阅：

APPROX_TOP_K_ACCUMULATE、APPROX_TOP_K_COMBINE、APPROX_TOP_K_ESTIMATE

语法

聚合函数

APPROX_TOP_K( <expr> [ , <k> [ , <counters> ] ] )

窗口函数

APPROX_TOP_K( <expr> [ , <k> [ , <counters> ] ] ) OVER ( [ PARTITION BY <expr4> ] )

实参

  • expr：要查找最常见值的表达式（例如，列名称）。

  • k：要近似其计数的值数。例如，如果您想查看前 10 个最常见的值，则将 k 设置为 10。

    如果省略 k，默认值为 1。

    最大值为 100000 (100,000)，如果输出中无法容纳项目，该值将自动减小。

  • counters：这是在估算过程中一次可以跟踪的非重复值数量上限。例如，如果 counters 设置为 100000，则算法将跟踪 100000 个不同值，尝试保留 100000 个比较频繁的值。

    counters 的数量上限是 100000 (100000)。

expr4

这是可选表达式，用于将行分组到分区。

使用说明

  • 如果 counters 的数量较多，近似值会更准确，因此在大多数情况下，counters 数量应该比 k 大得多。（每个计数器只占用少量内存，因此增加计数器的数量不会占用大量内存）。

  • 当此函数作为窗口函数调用时，它不支持：

    • OVER 子句中的 ORDER BY 子句。

    • 显式窗口框架。

  • 不支持小数浮点数 (DECFLOAT) 值。

示例

SELECT APPROX_TOP_K(C4) FROM lineitem;

+--------------------+
| APPROX_TOP_K(C4,3) |
+--------------------+
| [                  |
|   [                |
|     1,             |
|     124923         |
|   ],               |
|   [                |
|     2,             |
|     107093         |
|   ],               |
|   [                |
|     3,             |
|    89315           |
|   ]                |
| ]                  |
+--------------------+

WITH states AS (
  SELECT approx_top_k(C4, 3, 5) AS state
  FROM lineitem)
SELECT value[0]::INT AS value, value[1]::INT AS frequency
  FROM states, LATERAL FLATTEN(state);

+-------+-----------+
| VALUE | FREQUENCY |
+-------+-----------+
|     1 |    124923 |
|     2 |    107093 |
|     3 |     89438 |
+-------+-----------+