TGViewer
نوشته‌های ترمینالی نوشته‌های ترمینالی @terminal_stuff · 3.51K subscribers
Post #3056 1.71K
اگه دوست دارید در مورد hyperloglog بدونید این مطلب مخصوص شماست. این مطلب به این می‌پردازه که توی فیس‌بوک چطوری با کمک این ساختمان داده احتمالاتی، یه کوئری رو بهینه سازی کردن.

ساختمان داده ها احتمالاتی، ساختمان داده هایی هستن مثل bloom filter که پاسخ نزدیکی به ما میدن ولی نه لزوما دقیق. با این که گارانتی دقت رو نمیدن، مزایای دیگه‌ای دارن مثلا مصرف مموری کمتری دارن یا از نظر محاسباتی سبک‌تر هستن.

در این مورد هم hyperloglog تعداد المنت های یونیک یه لیست رو به شکل تقریبی می‌شماره، با مصرف پردازنده و مموری خیلی خیلی کم. توی مطلب پیوست اشاره می‌شه که تعداد بازدید کننده های غیرتکراری فیسبوک رو میخواستن پیدا کنن.

https://engineering.fb.com/2018/12/13/data-infrastructure/hyperloglog/
Engineering at Meta HyperLogLog in Presto: A significantly faster way to handle cardinality estimation Computing the count of distinct elements in massive data sets is often necessary but computationally intensive. Say you need to determine the number of distinct people visiting Facebook in the past…
  • 👍 6
  • ❤ 3
More from @terminal_stuff
  1. Oct 10, 2026🚨 تلگرام دسکتاپ رو فورا آپدیت کنید (ورژن‌های قبل 7.2.9 آسیب‌پذیری بحرانی دارند) به‌دلیل E…
  2. Oct 5, 2026💡گواهی ریشه داخلی چیست و چرا نباید برای دسترسی به اینترنت بانک آن را روی دستگاه خود نصب ک…
  3. Sep 23, 2026I am done with this shit Article, Comments
  4. Sep 19, 2026اگه حوصله دارید ببینید به نظرم ایده های جالبی مطرح کرده.
  5. Sep 19, 2026اینو یادم رفته بود اینجا بذارم. یه گپ است در مورد هوش مصنوعی و اینکه چه فرصت هایی رو برای…
  6. Sep 17, 2026از زبون آمار: آیا AI کدهای خوبی می‌نویسه یا نه؟ وقتی تولید کد تقریباً مجانی و خیلی سریع ان…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →