类别：

聚合函数 （相似度估算）、 窗口函数

MINHASH_COMBINE

将多个 MinHash 输入状态组合为单个 MinHash 输出状态。然后，可以将 Minhash 状态输入到 APPROXIMATE_SIMILARITY 函数中，以估算与其他 MinHash 状态的相似性。

这允许在同一表的水平行集上运行 MINHASH 的用例，为每个行集生成 MinHash 状态。然后，这些状态可以使用 MINHASH_COMBINE 进行组合，生成与整个表的 MINHASH 单次运行相同的输出状态。

有关 MinHash 状态的更多信息，请参阅 估计两个或多个集合的相似度。

另请参阅：

MINHASH

语法

MINHASH_COMBINE( [ DISTINCT ] <state> )
Copy

使用说明

  • DISTINCT 可以作为实参包含在内，但不起作用。

  • 输入 MinHash state 必须具有长度相等的 MinHash 数组。

示例

USE SCHEMA snowflake_sample_data.tpch_sf1;

SELECT MINHASH_COMBINE(mh) FROM
    (
      (SELECT MINHASH(5, c2) mh FROM orders WHERE c2 <= 10000)
        UNION
      (SELECT MINHASH(5, c2) mh FROM orders WHERE c2 > 10000 AND c2 <= 20000)
        UNION
      (SELECT MINHASH(5, C2) mh FROM orders WHERE c2 > 20000)
    );

+-----------------------+
| MINHASH_COMBINE(MH)   |
|-----------------------|
| {                     |
|   "state": [          |
|     628914288006793,  |
|     1071764954434168, |
|     991489123966035,  |
|     2395105834644106, |
|     680224867834949   |
|   ],                  |
|   "type": "minhash",  |
|   "version": 1        |
| }                     |
+-----------------------+
Copy

此处是更广泛的示例，显示了三个相关的函数 MINHASH、MINHASH_COMBINE 和 APPROXIMATE_SIMILARITY。此示例创建 3 个表（ta、tb 和 tc），其中两个表（ta 和 tb）相似，两个表（ta 和 tc）完全不同。

创建并使用以下值填充表：

CREATE TABLE ta (i INTEGER);
CREATE TABLE tb (i INTEGER);
CREATE TABLE tc (i INTEGER);

-- Insert values into the 3 tables.
INSERT INTO ta (i) VALUES (1), (2), (3), (4), (5), (6), (7), (8), (9), (10);
-- Almost the same as the preceding values.
INSERT INTO tb (i) VALUES (1), (2), (3), (4), (5), (6), (7), (8), (9), (11);
-- Different values and different number of values.
INSERT INTO tc (i) VALUES (-1), (-20), (-300), (-4000);
Copy

计算初始数据集的 minhash 信息：

CREATE TABLE minhash_a_1 (mh) AS SELECT MINHASH(100, i) FROM ta;
CREATE TABLE minhash_b (mh) AS SELECT MINHASH(100, i) FROM tb;
CREATE TABLE minhash_c (mh) AS SELECT MINHASH(100, i) FROM tc;
Copy

向其中一个表添加更多数据：

INSERT INTO ta (i) VALUES (12);
Copy

演示 MINHASH_COMBINE 函数：

-- Record minhash information about only the new rows:
CREATE TABLE minhash_a_2 (mh) AS SELECT MINHASH(100, i) FROM ta WHERE i > 10;

-- Now combine all the minhash info for the old and new rows in table ta.
CREATE TABLE minhash_a (mh) AS
  SELECT MINHASH_COMBINE(mh) FROM
    (
      (SELECT mh FROM minhash_a_1)
      UNION ALL
      (SELECT mh FROM minhash_a_2)
    );
Copy

此查询显示两个相似表（ta 和 tb）的近似相似度：

SELECT APPROXIMATE_SIMILARITY (mh) FROM
  (
    (SELECT mh FROM minhash_a)
    UNION ALL
    (SELECT mh FROM minhash_b)
  );
+-----------------------------+
| APPROXIMATE_SIMILARITY (MH) |
|-----------------------------|
|                        0.75 |
+-----------------------------+
Copy

此查询显示两个截然不同的表（ta 和 tc）的近似相似度：

SELECT APPROXIMATE_SIMILARITY (mh) FROM
  (
    (SELECT mh FROM minhash_a)
    UNION ALL
    (SELECT mh FROM minhash_c)
  );
+-----------------------------+
| APPROXIMATE_SIMILARITY (MH) |
|-----------------------------|
|                           0 |
+-----------------------------+
Copy
语言: 中文