StarRocks 如何计算 UV?COUNT DISTINCT、Bitmap 和 HLL 怎么选?
这道题考什么
这是高频的精确去重与近似统计选型题,面试官想听的是业务口径、集合复用与成本取舍。常见误答是“字符串 hash 成整数就能精确统计”“每天 UV 相加就是月 UV”。本文以 StarRocks 3.5 Stable 为基线,围绕商品访客、设备去重与运营趋势说明三种方案。
一句话回答
小规模明细或需要一次性精确计算时用 COUNT(DISTINCT user_id);用户 ID 能稳定映射为整数、需要精确合并和多次复用时用 Bitmap;只关心大规模趋势、可以接受近似误差且追求低存储和低延迟时用 HLL。选型先问“是否必须精确”,再看“是否需要跨天、跨渠道合并”和“能不能在写入阶段预聚合”。