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一些用法,具体的函数定义以及更多 Bitmap 函数,请参考 bitmap-functions

Create table

建表时需要使用聚合模型,数据类型是 bitmap , 聚合函数是 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`) BUCKETS 2;

注: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);

Data Load

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,可以按如下方式转换为 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;

Data Query

Syntax

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

Example

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');

keyword

BITMAP,BITMAP_COUNT,BITMAP_EMPTY,BITMAP_UNION,BITMAP_UNION_INT,TO_BITMAP,BITMAP_UNION_COUNT,INTERSECT_COUNT,BITMAP_INTERSECT