bitmap
这里通过一个简单的示例来介绍 Bitmap 中的几个聚合函数的用法,具体的函数定义以及更多 Bitmap 函数请参考 bitmap-functions。
建表
建表时需要使用聚合模型,数据类型是 bitmap,聚合函数为 bitmap_union。
CREATE TABLE `pv_bitmap` (
`dt` int(11) NULL COMMENT "",
`page` varchar(10) NULL COMMENT "",
`user_id` bitmap BITMAP_UNION NULL COMMENT ""
) ENGINE=OLAP
AGGREGATE KEY(`dt`, `page`)
COMMENT "OLAP"
DISTRIBUTED BY HASH(`dt`);
当数据量很大时,最好为高频率的 bitmap_union 查询建立对应的 rollup 表,如:
ALTER TABLE pv_bitmap ADD ROLLUP pv (page, user_id);
加载数据
TO_BITMAP(expr)
: 将 0 ~ 18446744073709551615 的 unsigned bigint 转为 bitmap。
BITMAP_EMPTY()
: 生成空 bitmap 列,用于 insert 或导入的时填充默认值。
BITMAP_HASH(expr)
: 将任意类型的列通过 Hash 的方式转为 bitmap。
Stream Load
用 Stream Load 方式导入数据时,可按如下方式转换为 Bitmap 字段:
cat data | curl --location-trusted -u user:passwd -T - \
-H "columns: dt,page,user_id, user_id=to_bitmap(user_id)" \
http://host:8410/api/test/testDb/_stream_load
cat data | curl --location-trusted -u user:passwd -T - \
-H "columns: dt,page,user_id, user_id=bitmap_hash(user_id)" \
http://host:8410/api/test/testDb/_stream_load
cat data | curl --location-trusted -u user:passwd -T - \
-H "columns: dt,page,user_id, user_id=bitmap_empty()" \
http://host:8410/api/test/testDb/_stream_load
Insert Into
用 Insert Into 方式导入数据时,需要根据 source 表中的列的类型来选择对应的方式
- source 表的 id2 的列类型是 bitmap
insert into bitmap_table1
select id, id2 from bitmap_table2;
- target 表的 id2 的列类型是 bitmap
insert into bitmap_table1 (id, id2)
values (1001, to_bitmap(1000))
, (1001, to_bitmap(2000));
- source 表的 id2 的列类型是 bitmap,并且是要用到 bitmap_union() 进行聚合后的结果
insert into bitmap_table1
select id, bitmap_union(id2) from bitmap_table2 group by id;
- source 表的 id2 的列类型是 int,通过 to_bitmap() 生成 bitmap 类型
insert into bitmap_table1
select id, to_bitmap(id2) from table;
- source 表的 id2 的列类型是 String,通过 bitmap_hash() 生成 bitmap 类型
insert into bitmap_table1
select id, bitmap_hash(id2) from table;
语法及对应功能
BITMAP_UNION(expr)
: 计算输入 Bitmap 的并集,返回新的bitmap。
BITMAP_UNION_COUNT(expr)
: 计算输入 Bitmap 的并集,返回其基数,和 BITMAP_COUNT(BITMAP_UNION(expr))
等价,目前推荐优先使用 BITMAP_UNION_COUNT()
,其性能优于 BITMAP_COUNT(BITMAP_UNION(expr))
。
BITMAP_UNION_INT(expr)
: 计算 TINYINT,SMALLINT 和 INT 类型的列中不同值的个数,返回值和
COUNT(DISTINCT expr) 相同。
INTERSECT_COUNT(bitmap_column_to_count, filter_column, filter_values ...)
: 计算满足
filter_column 过滤条件的多个 bitmap 的交集的基数值
bitmap_column_to_count 是 bitmap 类型的列,filter_column 是变化的维度列,filter_values 是维度取值列表。
BITMAP_INTERSECT(expr)
: 计算这一组 bitmap 值的交集,返回新的 bitmap。
示例
下面的 SQL 以上面的 pv_bitmap
table 为例。
计算 user_id 的去重值:
select bitmap_union_count(user_id)
from pv_bitmap;
select bitmap_count(bitmap_union(user_id))
from pv_bitmap;
计算 id 的去重值:
select bitmap_union_int(id)
from pv_bitmap;
计算 user_id 的 留存:
select intersect_count(user_id, page, 'meituan') as meituan_uv,
intersect_count(user_id, page, 'waimai') as waimai_uv,
intersect_count(user_id, page, 'meituan', 'waimai') as retention -- 在 'meituan' 和 'waimai' 两个页面都出现的用户数
from pv_bitmap
where page in ('meituan', 'waimai');