NTILE() 如何处理不平衡的数据？

Posted 2023-03-21

【中文标题】NTILE() 如何处理不平衡的数据？

【英文标题】：How does NTILE() handle imbalanced data?

【发布时间】：2020-09-25 03:42:04

【问题描述】：

长话短说，我将一些数据分组到不同的段中，并注意到一列中的迁移使用NTILE(10) OVER(ORDER BY column_name DESC) 分成十分位数。

此列中大约 50% 的值是 0，这意味着前 5 个十分位数都具有相同的值。

NTILE() 函数如何处理这样的情况？

我会天真地假设它按值排序并将其分成 10 个偶数部分，这意味着它或多或少随机地将 0 分配给十分位数，但我无法找到解释这一点的文档特殊案例。

额外问题——如果值是 NULL 而不是 0，行为会改变吗？

【参考方案1】：

NTILE() 被定义为使图块的大小尽可能相等。大小可能相差 1 行，但不会超过 1 行。

因此，order by 键值相同的行可以位于不同的磁贴中。

documentation 试图描述这一点：

将每个窗口分区的行划分为 n 个桶，范围从 1 到最多 n。存储桶值最多相差 1。

第二句真的是桶sizes最多相差1。