知识卡片
实体抽样须稳定决定入选
若对每次访问独立抛硬币抽样,频繁访问者有更多入选机会,便不是按用户抽样。把UserID经过稳定、分布适当的散列,再按固定阈值决定是否保留,可使同一标识在所有访问及时间桶中保持一致选择。采样比例描述总体概率或期望,不保证有限集合恰好留下该比例;存在一人多标识时,还需另外核验抽样单位与人数估计口径。
与[[随机排序支持并行抽样]]的联系:稳定实体散列抽样区别于逐事件随机抽样,控制频次偏差。
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
- · 查看原书依据
由于散列函数的确定性,一个UserID一旦被取样,它将总是被取样
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:原文以四用户各100次访问说明逐事件随机抽样的偏差,并解释确定性散列抽样。
- 原始内容:由于散列函数的确定性,一个UserID一旦被取样,它将总是被取样