ES的聚合是其一大特色。然而出于性能的考慮, ES的聚合是以分片Shard為單位,而非Index為單位, 所以
有些聚合的準確性是需要注意的。 比如: TermAggregations.
es的基數聚合使用到了hyperloglog算法。 出于好奇,了解了一下。
在海量數據場景下, 我們通常會遇到這樣的兩個問題:
數據排重。比如在推送消息場景,消息重復對用戶是打擾, 用戶發(fā)券場景, 重復發(fā)券就是損失了。
如何高效解決這兩類問題呢?
對于數據排重, 我們可以使用布隆過濾器。java 樣列代碼如下:
BloomFilter<String> bloomFilter = BloomFilter.create(new Funnel<String>() {
private static final long serialVersionUID = 1L;
@Override
public void funnel(String arg0, PrimitiveSink arg1) {
arg1.putString(arg0, Charsets.UTF_8);
}
}, 1024*1024*32);
bloomFilter.put("asdf");
bloomFilter.mightContain("asdf");
對于計數, 我們可以使用HyperLogLog算法,ES中已經有相關的實現(xiàn)。
其實封裝一下,布隆過濾器也是能直接實現(xiàn)HyperLogLog算法的功能的。
這里遺留幾個問題,思考清楚后補充:
另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn,海內外云服務器15元起步,三天無理由+7*72小時售后在線,公司持有idc許可證,提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案,具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢,專為企業(yè)上云打造定制,能夠滿足用戶豐富、多元化的應用場景需求。
本文標題:ES聚合學習筆記之--HyperLogLog與BloomFilter-創(chuàng)新互聯(lián)
文章源于:http://muchs.cn/article34/djejse.html
成都網站建設公司_創(chuàng)新互聯(lián),為您提供關鍵詞優(yōu)化、全網營銷推廣、Google、商城網站、用戶體驗、自適應網站
聲明:本網站發(fā)布的內容(圖片、視頻和文字)以用戶投稿、用戶轉載內容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內容未經允許不得轉載,或轉載時需注明來源: 創(chuàng)新互聯(lián)