- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我必须在雪花数据库中实现合并语句。 Target 表中将有超过 60 亿行。比较的列有20个左右。我想在Snowflake中的所有20个列的基础上使用HASH
函数生成哈希键。但是我读了文档 hash其中提到在 40 亿行之后很可能会得到重复的哈希键。我的理解对吗?那么我应该避免使用哈希键来比较记录并使用所有列吗?或者可以使用 hexa 128 位的 md5
或任何自定义的哈希函数。请提出建议。
最佳答案
TL;DR 版本:根据您的行数,使用 HASH 函数可让您有 62% 的机会两行的哈希值发生冲突。使用 MD5 而不是 HASH 会将您发生冲突的可能性降低到百分之几。在同样大小的仓库中,计算 MD5 比计算哈希需要多出大约 24% 的时间。建议:如果不能容忍非常罕见的冲突,则匹配 1) MD5 或 2) 散列和列比较。选项 2 会更快,但如果架构随时间发生变化,则需要更多维护。
在合并中使用散列的主题有其自己的立场文件,我相信已经写了很多。我们将重点关注您的具体情况以及 Snowflake 的回应。
让我们从您引用的文档部分开始。当唯一的输入导致相同的散列值时,它被称为冲突。这是数学和计算中的经典问题,称为生日问题 (https://en.wikipedia.org/wiki/Birthday_problem)。有大量关于该主题的文章,因此我们将坚持与您的情况相关的内容。
如果您在 60 亿行的表上使用 64 位散列,则发生冲突的概率约为 62%。不过,这仍然是一个可管理的问题,我们将在稍后探讨。
如果您对 60 亿个输入使用 128 位散列(例如 MD5),则概率四舍五入为零。即使您的表增长到行数的 1000 倍,发生冲突的概率也将为 0.0000000000053%。
虽然从表面上看这似乎解决了碰撞问题,但它引入了一个新问题。 MD5 函数比散列函数的计算成本更高。我们可以通过对中型仓库进行一些简单的测试来确定多少。
select count(md5((concat(*))))
from "SNOWFLAKE_SAMPLE_DATA"."TPCH_SF10000"."ORDERS"; -- 18m 41s
select count(hash((concat(*))))
from "SNOWFLAKE_SAMPLE_DATA"."TPCH_SF10000"."ORDERS"; -- 15m 6s
我使用计数来消除结果收集时间,但它仍在计算 MD5 和哈希值。 MD5 的计算时间比散列长约 24%。
这将我们带到了 TL;DR 讨论的最后一部分,使用散列函数和列比较。这是更快的选择,也是唯一保证不发生碰撞的选择。它更快,因为伪代码中的这个操作:
条件 1 和条件 2
在此表达式中,如果第一部分失败,则无需测试第二部分。我还没有在 Snowflake 合并匹配子句中(还)对此进行实验性测试,但看不出它会在匹配行时测试表达式的第二部分。这样实际上所有的匹配都可以通过比较哈希来快速处理,只有极少数情况下还必须测试列匹配。
最后一个想法:相对于表的大小,每次合并的行数越少,MD5 的额外计算时间就越不重要。您已经为表中的 MD5 值支付了额外的计算时间。如果您要合并几千行,计算 MD5 的 24% 额外时间是无关紧要的,并且使您不必在匹配子句中维护列列表。
关于hash - 在合并语句中使用散列键作为比较列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66289816/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!