mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-11 00:42:29 +00:00
274 lines
9.1 KiB
C++
274 lines
9.1 KiB
C++
#pragma once
|
||
|
||
#include <DB/Core/FieldVisitors.h>
|
||
#include <DB/AggregateFunctions/IUnaryAggregateFunction.h>
|
||
#include <DB/AggregateFunctions/UniqVariadicHash.h>
|
||
#include <DB/DataTypes/DataTypesNumberFixed.h>
|
||
#include <DB/DataTypes/DataTypeTuple.h>
|
||
|
||
|
||
namespace DB
|
||
{
|
||
|
||
|
||
/** Считает количество уникальных значений до не более чем указанного в параметре.
|
||
*
|
||
* Пример: uniqUpTo(3)(UserID)
|
||
* - посчитает количество уникальных посетителей, вернёт 1, 2, 3 или 4, если их >= 4.
|
||
*
|
||
* Для строк используется некриптографическая хэш-функция, за счёт чего рассчёт может быть немного неточным.
|
||
*/
|
||
|
||
template <typename T>
|
||
struct __attribute__((__packed__)) AggregateFunctionUniqUpToData
|
||
{
|
||
/** Если count == threshold + 1 - это значит, что "переполнилось" (значений больше threshold).
|
||
* В этом случае (например, после вызова функции merge), массив data не обязательно содержит инициализированные значения
|
||
* - пример: объединяем состояние, в котором мало значений, с другим состоянием, которое переполнилось;
|
||
* тогда выставляем count в threshold + 1, а значения из другого состояния не копируем.
|
||
*/
|
||
UInt8 count = 0;
|
||
|
||
/// Данные идут после конца структуры. При вставке, делается линейный поиск.
|
||
T data[0];
|
||
|
||
|
||
size_t size() const
|
||
{
|
||
return count;
|
||
}
|
||
|
||
/// threshold - для скольки элементов есть место в data.
|
||
void insert(T x, UInt8 threshold)
|
||
{
|
||
/// Состояние уже переполнено - ничего делать не нужно.
|
||
if (count > threshold)
|
||
return;
|
||
|
||
/// Линейный поиск совпадающего элемента.
|
||
for (size_t i = 0; i < count; ++i)
|
||
if (data[i] == x)
|
||
return;
|
||
|
||
/// Не нашли совпадающий элемент. Если есть место ещё для одного элемента - вставляем его.
|
||
if (count < threshold)
|
||
data[count] = x;
|
||
|
||
/// После увеличения count, состояние может оказаться переполненным.
|
||
++count;
|
||
}
|
||
|
||
void merge(const AggregateFunctionUniqUpToData<T> & rhs, UInt8 threshold)
|
||
{
|
||
if (count > threshold)
|
||
return;
|
||
|
||
if (rhs.count > threshold)
|
||
{
|
||
/// Если rhs переполнено, то выставляем у текущего состояния count тоже переполненным.
|
||
count = rhs.count;
|
||
return;
|
||
}
|
||
|
||
for (size_t i = 0; i < rhs.count; ++i)
|
||
insert(rhs.data[i], threshold);
|
||
}
|
||
|
||
void write(WriteBuffer & wb, UInt8 threshold) const
|
||
{
|
||
writeBinary(count, wb);
|
||
|
||
/// Пишем значения, только если состояние не переполнено. Иначе они не нужны, а важен только факт того, что состояние переполнено.
|
||
if (count <= threshold)
|
||
wb.write(reinterpret_cast<const char *>(&data[0]), count * sizeof(data[0]));
|
||
}
|
||
|
||
void readAndMerge(ReadBuffer & rb, UInt8 threshold)
|
||
{
|
||
UInt8 rhs_count;
|
||
readBinary(rhs_count, rb);
|
||
|
||
if (rhs_count > threshold)
|
||
{
|
||
/// Если rhs переполнено, то выставляем у текущего состояния count тоже переполненным.
|
||
count = rhs_count;
|
||
return;
|
||
}
|
||
|
||
for (size_t i = 0; i < rhs_count; ++i)
|
||
{
|
||
T x;
|
||
readBinary(x, rb);
|
||
insert(x, threshold);
|
||
}
|
||
}
|
||
|
||
|
||
void addImpl(const IColumn & column, size_t row_num, UInt8 threshold)
|
||
{
|
||
insert(static_cast<const ColumnVector<T> &>(column).getData()[row_num], threshold);
|
||
}
|
||
};
|
||
|
||
|
||
/// Для строк, запоминаются их хэши.
|
||
template <>
|
||
struct AggregateFunctionUniqUpToData<String> : AggregateFunctionUniqUpToData<UInt64>
|
||
{
|
||
void addImpl(const IColumn & column, size_t row_num, UInt8 threshold)
|
||
{
|
||
/// Имейте ввиду, что вычисление приближённое.
|
||
StringRef value = column.getDataAt(row_num);
|
||
insert(CityHash64(value.data, value.size), threshold);
|
||
}
|
||
};
|
||
|
||
|
||
constexpr UInt8 uniq_upto_max_threshold = 100;
|
||
|
||
template <typename T>
|
||
class AggregateFunctionUniqUpTo final : public IUnaryAggregateFunction<AggregateFunctionUniqUpToData<T>, AggregateFunctionUniqUpTo<T> >
|
||
{
|
||
private:
|
||
UInt8 threshold = 5; /// Значение по-умолчанию, если параметр не указан.
|
||
|
||
public:
|
||
size_t sizeOfData() const override
|
||
{
|
||
return sizeof(AggregateFunctionUniqUpToData<T>) + sizeof(T) * threshold;
|
||
}
|
||
|
||
String getName() const override { return "uniqUpTo"; }
|
||
|
||
DataTypePtr getReturnType() const override
|
||
{
|
||
return new DataTypeUInt64;
|
||
}
|
||
|
||
void setArgument(const DataTypePtr & argument)
|
||
{
|
||
}
|
||
|
||
void setParameters(const Array & params) override
|
||
{
|
||
if (params.size() != 1)
|
||
throw Exception("Aggregate function " + getName() + " requires exactly one parameter.", ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
UInt64 threshold_param = apply_visitor(FieldVisitorConvertToNumber<UInt64>(), params[0]);
|
||
|
||
if (threshold_param > uniq_upto_max_threshold)
|
||
throw Exception("Too large parameter for aggregate function " + getName() + ". Maximum: " + toString(uniq_upto_max_threshold),
|
||
ErrorCodes::ARGUMENT_OUT_OF_BOUND);
|
||
|
||
threshold = threshold_param;
|
||
}
|
||
|
||
void addImpl(AggregateDataPtr place, const IColumn & column, size_t row_num) const
|
||
{
|
||
this->data(place).addImpl(column, row_num, threshold);
|
||
}
|
||
|
||
void merge(AggregateDataPtr place, ConstAggregateDataPtr rhs) const override
|
||
{
|
||
this->data(place).merge(this->data(rhs), threshold);
|
||
}
|
||
|
||
void serialize(ConstAggregateDataPtr place, WriteBuffer & buf) const override
|
||
{
|
||
this->data(place).write(buf, threshold);
|
||
}
|
||
|
||
void deserializeMerge(AggregateDataPtr place, ReadBuffer & buf) const override
|
||
{
|
||
this->data(place).readAndMerge(buf, threshold);
|
||
}
|
||
|
||
void insertResultInto(ConstAggregateDataPtr place, IColumn & to) const override
|
||
{
|
||
static_cast<ColumnUInt64 &>(to).getData().push_back(this->data(place).size());
|
||
}
|
||
};
|
||
|
||
|
||
/** Для нескольких аргументов. Для вычисления, хэширует их.
|
||
* Можно передать несколько аргументов как есть; также можно передать один аргумент - кортеж.
|
||
* Но (для возможности эффективной реализации), нельзя передать несколько аргументов, среди которых есть кортежи.
|
||
*/
|
||
template <bool argument_is_tuple>
|
||
class AggregateFunctionUniqUpToVariadic final : public IAggregateFunctionHelper<AggregateFunctionUniqUpToData<UInt64>>
|
||
{
|
||
private:
|
||
size_t num_args = 0;
|
||
UInt8 threshold = 5; /// Значение по-умолчанию, если параметр не указан.
|
||
|
||
public:
|
||
size_t sizeOfData() const override
|
||
{
|
||
return sizeof(AggregateFunctionUniqUpToData<UInt64>) + sizeof(UInt64) * threshold;
|
||
}
|
||
|
||
String getName() const override { return "uniqUpTo"; }
|
||
|
||
DataTypePtr getReturnType() const override
|
||
{
|
||
return new DataTypeUInt64;
|
||
}
|
||
|
||
void setArguments(const DataTypes & arguments) override
|
||
{
|
||
if (argument_is_tuple)
|
||
num_args = typeid_cast<const DataTypeTuple &>(*arguments[0]).getElements().size();
|
||
else
|
||
num_args = arguments.size();
|
||
}
|
||
|
||
void setParameters(const Array & params) override
|
||
{
|
||
if (params.size() != 1)
|
||
throw Exception("Aggregate function " + getName() + " requires exactly one parameter.", ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
UInt64 threshold_param = apply_visitor(FieldVisitorConvertToNumber<UInt64>(), params[0]);
|
||
|
||
if (threshold_param > uniq_upto_max_threshold)
|
||
throw Exception("Too large parameter for aggregate function " + getName() + ". Maximum: " + toString(uniq_upto_max_threshold),
|
||
ErrorCodes::ARGUMENT_OUT_OF_BOUND);
|
||
|
||
threshold = threshold_param;
|
||
}
|
||
|
||
void add(AggregateDataPtr place, const IColumn ** columns, size_t row_num) const override
|
||
{
|
||
this->data(place).insert(UniqVariadicHash<false, argument_is_tuple>::apply(num_args, columns, row_num), threshold);
|
||
}
|
||
|
||
void merge(AggregateDataPtr place, ConstAggregateDataPtr rhs) const override
|
||
{
|
||
this->data(place).merge(this->data(rhs), threshold);
|
||
}
|
||
|
||
void serialize(ConstAggregateDataPtr place, WriteBuffer & buf) const override
|
||
{
|
||
this->data(place).write(buf, threshold);
|
||
}
|
||
|
||
void deserializeMerge(AggregateDataPtr place, ReadBuffer & buf) const override
|
||
{
|
||
this->data(place).readAndMerge(buf, threshold);
|
||
}
|
||
|
||
void insertResultInto(ConstAggregateDataPtr place, IColumn & to) const override
|
||
{
|
||
static_cast<ColumnUInt64 &>(to).getData().push_back(this->data(place).size());
|
||
}
|
||
|
||
static void addFree(const IAggregateFunction * that, AggregateDataPtr place, const IColumn ** columns, size_t row_num)
|
||
{
|
||
return static_cast<const AggregateFunctionUniqUpToVariadic &>(*that).add(place, columns, row_num);
|
||
}
|
||
|
||
IAggregateFunction::AddFunc getAddressOfAddFunction() const override final { return &addFree; }
|
||
};
|
||
|
||
|
||
}
|