返回主题:批处理作业的写法:连接、聚合与作业抽象

知识卡片

普通读书笔记卡 · 1787.e

有损摘要前先解决身份

理解等级:中级

HyperLogLog保留用于估计基数的摘要,不保留可枚举的完整成员。因此它能合并已经统一身份的集合,却不能在事后逐一找出两个旧标识并将它们替换成同一个人。书中批处理先把UserID规范化到PersonID,再构建摘要;信息丢失的顺序限制了后续能实施的修正。

与[[规范化先于聚合]]的联系:有损摘要不能事后枚举身份,约束规范化必须在聚合前完成。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第10章《服务层概述》(来源项目book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/083.xhtml) - 结论依据:作者以身份等效边解释全增量方案无法事后修正有损摘要,以及先规范身份再建摘要的优势。 - 原始内容:HyperLogLog集不知道它其中的元素