知识卡片
蓄水池均匀抽样
容量 S 的样本池先收下前 S 个元素,随后第 n 个元素以 S/n 概率入池,并随机替换旧样本。这样在读完整个流后各元素有同样的入选概率;样本排序成本较低,但抽样本身仍要遍历输入。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- TiDB 源码阅读系列文章(十二)统计信息(上) · 查看原书依据
在 sample.go 中,我们实现了蓄水池抽样算法,用来生成均匀抽样集合。令样本集合的容量为 S,在任一时刻 n,数据流中的元素都以 S/n 的概率被选取到样本集合中去。如果样本集合大小超出 S,则从中随机去除一个样本。举个例子,假如样本池大小为 S = 100 ,从头开始扫描全表,当读
参考来源
- 位置:《TiDB源码阅读系列文章》第12章《TiDB 源码阅读系列文章(十二)统计信息(上)》(来源项目:book-sources;源文件:extracted/TiDB源码阅读系列文章/_epub-src/OEBPS/Text/TiDB 源码阅读系列文章(十二)统计信息(上).html;阅读段落 21;均为书中版本)
- 结论依据:原文对蓄水池均匀抽样给出上述机制或边界;本卡把已读说明整理为可独立理解的解释。
- 原始内容:在 sample.go 中,我们实现了蓄水池抽样算法,用来生成均匀抽样集合。令样本集合的容量为 S,在任一时刻 n,数据流中的元素都以 S/n 的概率被选取到样本集合中去。如果样本集合大小超出 S,则从中随机去除一个样本。举个例子,假如样本池大小为 S = 100 ,从头开始扫描全表,当读