Database 有没有有效的方法来减少HyperLogLog（redis）中的错误？
在redis中，我们将hyperLogLog视为设置为不同的元素 众所周知，对于每个键，HLL只消耗12kb内存，并产生标准误差为0.81%的近似值 因为我有很多元素要计算。因此，这里我想通过将元素存储到多个hll键（例如“hll_键%d”%（元素mod 1024））来降低错误率 事实上，这是降低误差的有效方法吗？Database 有没有有效的方法来减少HyperLogLog（redis）中的错误？,database,algorithm,data-structures,redis,hyperloglog,Database,Algorithm,Data Structures,Redis,Hyperloglog,在redis中，我们将hyperLogLog视为设置为不同的元素 众所周知，对于每个键，HLL只消耗12kb内存，并产生标准误差为0.81%的近似值 因为我有很多元素要计算。因此，这里我想通过将元素存储到多个hll键（例如“hll_键%d”%（元素mod 1024））来降低错误率 事实上，这是降低误差的有效方法吗？ 或者通过任何其他方式来实现？不，您不能通过将键分片到多个Hyperlog来降低错误。无论使用多少HyperLogLogs，错误始终为0.81% 除非修改源代码，否则无法降低错误 视情
或者通过任何其他方式来实现？不，您不能通过将键分片到多个Hyperlog来降低错误。无论使用多少HyperLogLogs，错误始终为0.81%
除非修改源代码，否则无法降低错误 视情况而定。如果插入元素的数量明显大于Redis实现中2^14的寄存器数量，则可以假定HyperLogLogs的错误为正态分布。如果元素在多个HyperLogLog上平均分片，并且每个HyperLogLog的元素数仍然大于寄存器数，则通过将所有HyperLogLog的基数估计相加而获得的总基数估计将具有较小的误差 原因是，N个独立且正态分布的数字的总和，平均数M和标准误差S，将是正态分布的，平均数N x M和标准误差S x SQRT（N）。因此，相对误差从S/M变为S x SQRT（N）/（N x M）=S/（M x SQRT（N）），这对应于SQRT（N）的改进 但是，这种分片方法不适用于任意数量的超日志。一旦部分基数下降到寄存器数以下，就会违反正态分布误差的假设，估计误差的改善将更小，甚至可以忽略