ComputeColStats UDF中 近似算法的介绍(续)

在前一篇文章的最后提到，对于准确率的提升是后续需要做的事情之一。接下来看看对于提升准确率，还有哪些事情可以做。 一，回顾 首先回顾下前一篇文章最后得到的结果，如下： 执行时间先忽略，只看准确率。对于上面８个字段，有些在sample为２５（采样比例１／２５）的情况下还是相当准确的，比如odps_task_type，start_time；而有些则存在一定差距，比如project_name，fuxi_c

>>阅读原文<<