Question

我有一个直方图类型数据表。共有2列：Bucket，Count。

Bucket是直方图桶，Count是该桶中的值的数量。

现在我的存储桶已订购，例如，让我们说存储桶指示完成任务所需的时间。我们可以有0-5分钟，5-10分钟，10-15等等。

我想要计算的是哪个桶落在第XX个百分点。例如，如果90％的任务在12分钟内完成，那么我想知道90％的任务都在10-15桶或更少。

举个例子，说我有下表：

Bucket | Count
--------------
  0    | 10
  1    | 15
  2    | 5
  3    | 15

如果我想计算第60百分位数。它是

（10 + 15 + 5 + 15）*。60 = 27因此结果将是桶2，因为所有条目的60％在桶2或更少

有没有办法在SQL中计算它？

谢谢！

Answer 1

注意：COUNT是一个保留的SQL字，所以也许你应该使用valueCount。

应该是这样的（假设你的表叫做histogramTable）：

SELECT bucket, 
    (SELECT SUM(valuecount) 
        FROM histogramTable AS in1 
        WHERE in1.bucket <= ot.bucket
    ) * 100 / (
            SELECT SUM(valueCOUNT) 
            FROM histogramTable AS in1
            ) As Percentile
FROM histogramTable AS ot

当然，我没有在DECIMAL数据类型中转换任何值，因此您的Percentile列会失去一些精确度。

然后假设你需要代表Percentile 80的桶：

DECLARE @Percentile AS INT
SET @Percentile = 80

SELECT TOP 1 bucket FROM(
SELECT bucket, 
    (SELECT SUM(valuecount) 
        FROM histogramTable AS in1 
        WHERE in1.bucket <= ot.bucket
    ) * 100 / (
            SELECT SUM(valueCOUNT) 
            FROM histogramTable AS in1
            ) As Percentile
FROM histogramTable AS ot 
) AS h
WHERE h.Percentile > @Percentile
ORDER BY Percentile;

Answer 2

从SQL Server 2012开始，现在有SQL标准PERCENTILE_DISC和PERCENTILE_CONT逆分布函数，可用于此目的。不幸的是，到目前为止，SQL Server仅将它们实现为窗口函数，而不是聚合函数。

它们在显示的数据集（看起来是预先汇总的）上不是很有用，但是它们对原始数据集绝对有帮助，您可以在其中进行简单的计算：

SELECT DISTINCT percentile_disc(0.6) WITHIN GROUP (ORDER BY bucket) OVER ()
FROM t

I have blogged about percentiles in SQL here, in more detail。

从SQL中的直方图类型数据生成百分位数

2 个答案: