进阶-第45__深入聚合数据分析_易并行聚合算法，三角选择原则，近似聚合算法

 

画图讲解易并行聚合算法：max

易并行

有些聚合分析的算法，是很容易就可以并行的，比如说max

不易并行

 

有些聚合分析的算法，是不好并行的，比如说，count(distinct)，并不是说，在每个node上，直接就出一些distinct value，就可以的，因为数据可能会很多

 

es会采取近似聚合的方式，就是采用在每个node上进行近估计的方式，得到最终的结论，cuont(distcint)，100万，1050万/95万 --> 5%左右的错误率

近似估计后的结果，不完全准确，但是速度会很快，一般会达到完全精准的算法的性能的数十倍

 

2、三角选择原则

 

精准+实时+大数据 --> 只能选择2个(这三者是矛盾的，一般只能选择两个)

 

（1）精准+实时: 没有大数据，数据量很小，那么一般就是单击跑，随便你则么玩儿就可以

（2）精准+大数据：hadoop，批处理，非实时，可以处理海量数据，保证精准，可能会跑几个小时

（3）大数据+实时：es，不精准，近似估计，可能会有百分之几的错误率

 

3、近似聚合算法

 

如果采取近似估计的算法：延时在100ms左右，0.5%错误

如果采取100%精准的算法：延时一般在5s~几十s，甚至几十分钟，几小时， 0%错误