cantor:Cantor提供实用程序来估计大集合的基数

康托尔 Cantor提供实用程序来估计大集合的基数。 本文中的算法是可并行化的，为方便起见提供了Hadoop包装器类。 它采用大多数HyperLogLog ++算法如所见，不包括稀疏方案，并使用简单的线性内插，而不是k近邻。 此外，它可以使用MinHash结构来估计这些集合的相交的基数，如。 HyperLogLog和MinHash都需要一个精度参数。 基本准则如下，并且HLLCounter.MIN_P = 4 <= p <= 18 = HLLCounter.MAX_P 。 #### HyperLogLog p @ 99.7％置信度 p 相对误差 4 75％ 5 65％ 6 47％ 7 32％ 8 23％ 9 16％ 10 10％ 11 8％ 12 5％ 13 4％ 14 2.5％ 15 2％ 16 1.3％ 17 1％ 18