Microsoft MVP성태의 닷넷 이야기
.NET Framework: 433. C# - 간단한 HyperLogLog 자료 구조 테스트 [링크 복사], [링크+제목 복사]
조회: 9344
글쓴 사람
홈페이지
첨부 파일

C# - 간단한 HyperLogLog 자료 구조 테스트

재미있는 글이 하나 소개되었습니다. ^^

확률적 자료구조를 이용한 추정 - 유일한 원소 개수(Cardinality) 추정과 HyperLogLog 
; http://helloworld.naver.com/helloworld/711301

위의 글에 나온대로 "HyperLogLog는 매우 적은 메모리로 집합의 원소 개수를 추정할 수 있는 방법"입니다. 물론, 적은 메모리라는 장점을 위해 "정확성"을 희생하는 식인데요. 사실, '정확성'이 그다지 중요하지 않을때가 생각보다 많기 때문에 응용할 곳은 제법 많습니다.

예를 들어, 구글의 검색어에 대한 예상 결과 수를 보여주는 기능이 바로 그러한 사례 중의 하나입니다.

http://www.google.com/webhp?complete=1&hl=en 검색에 관해서
; https://www.sysnet.pe.kr/2/0/96

"ebay" 검색어를 포함한 웹 페이지 수가 10,000개로 대략 나오든지, 아니면 11,382개라고 정확하게 나오든지 사용자에게 크게 영향을 주는 것은 아닙니다. 하지만, 구현하는 입장에서 볼때 그걸 정확하게 구하기 위해서는 적지 않은 오버헤드가 수반될 수 있습니다.




이론적인 설명은 "확률적 자료구조를 이용한 추정 - 유일한 원소 개수(Cardinality) 추정과 HyperLogLog" 글에서 너무나 잘해주고 있으므로 여기서는 C#으로 간단하게 실습하는 것을 소개하겠습니다.

일단, 검색해 보면 이미 ^^ C# 구현체가 있으니 이걸 사용하겠습니다.

HyperLogLog C# implementation 
; http://adnan-korkmaz.blogspot.kr/2012/06/hyperloglog-c-implementation.html

또한, 유일한 단어 수를 계산하는 것 대신 전체가 유일 항목임을 보증하는 임의의 GUID 수를 생성해서 테스트 해보았습니다.

HyperLogLog log = new HyperLogLog(0.01);
HashSet<string> dict = new HashSet<string>();

for (int i = 0; i < 100; i++)
{ 
    string txt = Guid.NewGuid().ToString();

    log.Add(txt);

    bool result = dict.Contains(txt);
    if (result == false)
    {
        dict.Add(txt);
    }
}

Console.WriteLine("CountFromHash: " + dict.Count());
Console.WriteLine("CountFromHyperLogLog: " + log.Count());

// 출력결과
CountFromHash: 100
CountFromHyperLogLog: 100

일단, 100개로 시작했을 때 HashSet으로 하든 HyperLogLog로 하든 계산된 수는 100으로 동일했습니다. 단지, 가끔 특정 GUID 조합에서는 Hash 코드가 치우치는 탓인지 HyperLogLog의 경우 98~99를 출력하기도 합니다.

수를 늘리면 점차로 차이가 뚜렷해지기 시작합니다.

==== 10,000개인 경우 ====

CountFromHash: 10000
CountFromHyperLogLog: 9976

==== 100,000개인 경우 ====

CountFromHash: 100000
CountFromHyperLogLog: 100638

100000000까지 늘리면 이제 (x64에서조차도) HashSet으로는 Out of memory로 인해 더 이상 테스트가 되지 않습니다. 반면 HyperLogLog에서는 놀라운 메모리 사용량을 보여줍니다.

==== 100,000,000개인 경우 ====

CountFromHash: OOM 발생
CountFromHyperLogLog: 101648822 (메모리 사용량: 4.8MB)

게다가 오차도 0.01%수준으로 괜찮은 정확도를 보여줍니다.

한가지 재미있는 것이 있다면, HyperLogLog.Add 메서드에 전달된 object 인자를 별도의 getHashCode 메서드를 이용해 구한다는 것입니다.

public static uint getHashCode(string text)
{
    uint hash = 0;

    for (int i = 0, l = text.Length; i < l; i++)
    {
        hash += (uint)text[i];
        hash += hash << 10;
        hash ^= hash >> 6;
    }
    hash += hash << 3;
    hash ^= hash >> 6;
    hash += hash << 16;

    return hash;
}

이것을 .NET Framework의 Object.GetHashCode()로 치환해도 결과가 거의 비슷했습니다.

public static uint getHashCode(string text)
{
    return (uint)text.GetHashCode();
}

참고로, Hash 코드를 구하는 것에는 정답이 없습니다. 아래의 글에서도 이야기했었지만,

괜찮은 문자열 해쉬함수?
; https://www.sysnet.pe.kr/2/0/1222

해쉬 함수는, 결국 해당 '업무 도메인'에서 사용되는 문자열 셋이 다르기 때문에 (가능하다면) 그에 따른 적절한 테스트를 해보고 선택하시는 것이 좋습니다.


(첨부 파일은 이 글의 테스트 코드를 포함하고 있습니다.)





[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]





[최초 등록일: ]
[최종 수정일: 5/2/2014 ]

Creative Commons License
이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이센스에 따라 이용하실 수 있습니다.
by SeongTae Jeong, mailto:techsharer@outlook.com

비밀번호

댓글 쓴 사람
 




[1]  2  3  4  5  6  7  8  9  10  11  12  13  14  15  ...
NoWriterDateCnt.TitleFile(s)
12255정성태7/6/202029.NET Framework: 923. C# - ETW(Event Tracing for Windows)를 이용한 Finalizer 실행 감시파일 다운로드1
12254정성태7/2/202030오류 유형: 626. git - REMOTE HOST IDENTIFICATION HAS CHANGED!
12253정성태7/2/202087.NET Framework: 922. C# - .NET ThreadPool의 Local/Global Queue파일 다운로드1
12252정성태7/2/202062.NET Framework: 921. C# - I/O 스레드를 사용한 비동기 소켓 서버/클라이언트파일 다운로드2
12251정성태7/1/202090.NET Framework: 920. C# - 파일의 비동기 처리 유무에 따른 스레드 상황파일 다운로드2
12250정성태7/1/2020287.NET Framework: 919. C# - 닷넷에서의 진정한 비동기 호출을 가능케 하는 I/O 스레드 사용법 [1]파일 다운로드1
12249정성태6/29/202029오류 유형: 625. Microsoft SQL Server 2019 RC1 Setup - 설치 제거 시 Warning 26003 오류 발생
12248정성태6/29/202025오류 유형: 624. SQL 서버 오류 - service-specific error code 17051
12247정성태6/29/2020111.NET Framework: 918. C# - 불린 형 상수를 반환값으로 포함하는 3항 연산자 사용 시 단축 표현 권장(IDE0075) [2]파일 다운로드1
12246정성태6/29/202056.NET Framework: 917. C# - USB 관련 ETW(Event Tracing for Windows)를 이용한 키보드 입력을 감지하는 방법
12245정성태6/25/2020199.NET Framework: 916. C# - Task.Yield 사용법 (2) [2]파일 다운로드1
12244정성태6/29/202077.NET Framework: 915. ETW(Event Tracing for Windows)를 이용한 닷넷 프로그램의 내부 이벤트 활용파일 다운로드1
12243정성태6/23/202058VS.NET IDE: 147. Visual C++ 프로젝트 - .NET Core EXE를 "Debugger Type"으로 지원하는 기능 추가
12242정성태6/24/202033오류 유형: 623. AADSTS90072 - User account '...' from identity provider 'live.com' does not exist in tenant 'Microsoft Services'
12241정성태6/26/2020105.NET Framework: 914. C# - Task.Yield 사용법파일 다운로드1
12240정성태6/23/202076오류 유형: 622. 소켓 바인딩 시 "System.Net.Sockets.SocketException: An attempt was made to access a socket in a way forbidden by its access permissions" 오류 발생
12239정성태6/21/202057Linux: 30. (윈도우라면 DLL에 속하는) .so 파일이 텍스트로 구성된 사례
12238정성태6/21/202089.NET Framework: 913. C# - SharpDX + DXGI를 이용한 윈도우 화면 캡처 라이브러리
12237정성태6/20/2020103.NET Framework: 912. 리눅스 환경의 .NET Core에서 "test".IndexOf("\0")가 0을 반환
12236정성태6/19/202064오류 유형: 621. .NET Standard 대상으로 빌드 시 dynamic 예약어에서 컴파일 오류 - error CS0656: Missing compiler required member 'Microsoft.CSharp.RuntimeBinder.CSharpArgumentInfo.Create'
12235정성태6/19/202044오류 유형: 620. Windows 10 - Inaccessible boot device 블루 스크린
12234정성태6/19/202043개발 환경 구성: 494. NuGet - nuspec의 패키지 스키마 버전(네임스페이스) 업데이트 방법
12233정성태6/19/202036오류 유형: 619. SQL 서버 - The transaction log for database '...' is full due to 'LOG_BACKUP'. - 두 번째 이야기
12232정성태6/19/202030오류 유형: 618. SharePoint - StoreBusyRetryLater 오류
12231정성태6/15/2020113.NET Framework: 911. Console/Service Application을 위한 SynchronizationContext - AsyncContext
[1]  2  3  4  5  6  7  8  9  10  11  12  13  14  15  ...