Microsoft MVP성태의 닷넷 이야기
.NET Framework: 433. C# - 간단한 HyperLogLog 자료 구조 테스트 [링크 복사], [링크+제목 복사]
조회: 10342
글쓴 사람
정성태 (techsharer at outlook.com)
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.]



donaricano-btn



[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 at outlook.com

비밀번호

댓글 쓴 사람
 




[1]  2  3  4  5  6  7  8  9  10  11  12  13  14  15  ...
NoWriterDateCnt.TitleFile(s)
12603정성태4/16/202114VS.NET IDE: 162. 비주얼 스튜디오 - 상속받은 컨트롤이 디자인 창에서 지원되지 않는 문제
12602정성태4/16/202121VS.NET IDE: 161. x64 DLL 프로젝트의 컨트롤이 Visual Studio의 Designer에서 보이지 않는 문제
12601정성태4/15/202146.NET Framework: 1040. C# - REST API 대신 github 클라이언트 라이브러리를 통해 프로그래밍으로 접근
12600정성태4/15/202137.NET Framework: 1039. C# - Kubeconfig의 token 설정 및 인증서 구성을 자동화하는 프로그램
12599정성태4/14/202147.NET Framework: 1038. C# - 인증서 및 키 파일로부터 pfx/p12 파일을 생성하는 방법파일 다운로드1
12598정성태4/14/202138.NET Framework: 1037. openssl의 PEM 개인키 파일을 .NET RSACryptoServiceProvider에서 사용하는 방법 (2)파일 다운로드1
12597정성태4/14/202159개발 환경 구성: 569. csproj의 내용을 공통 설정할 수 있는 Directory.Build.targets / Directory.Build.props 파일
12596정성태4/12/202180개발 환경 구성: 568. Windows의 80 포트 점유를 해제하는 방법
12595정성태4/12/202160.NET Framework: 1036. SQL 서버 - varbinary 타입에 대한 문자열의 CAST, CONVERT 변환을 C# 코드로 구현
12594정성태4/15/2021122.NET Framework: 1035. C# - kubectl 명령어 또는 REST API 대신 Kubernetes 클라이언트 라이브러리를 통해 프로그래밍으로 접근파일 다운로드1
12593정성태4/15/202177개발 환경 구성: 567. Docker Desktop for Windows - kubectl proxy 없이 k8s 대시보드 접근 방법
12592정성태4/15/202194개발 환경 구성: 566. Docker Desktop for Windows - k8s dashboard의 Kubeconfig 로그인 및 Skip 방법
12591정성태4/9/2021148.NET Framework: 1034. C# - byte 배열을 Hex(16진수) 문자열로 고속 변환하는 방법파일 다운로드1
12590정성태4/9/202187.NET Framework: 1033. C# - .NET 4.0 이하에서 Console.IsInputRedirected 구현
12589정성태4/8/2021106.NET Framework: 1032. C# - Environment.OSVersion의 문제점 및 윈도우 운영체제의 버전을 구하는 다양한 방법
12588정성태4/7/202192개발 환경 구성: 565. PowerShell - New-SelfSignedCertificate를 사용해 CA 인증서 생성 및 인증서 서명 방법
12587정성태4/7/2021132개발 환경 구성: 564. Windows 10 - ClickOnce 배포처럼 사용할 수 있는 MSIX 설치 파일
12586정성태4/5/202175오류 유형: 710 . Windows - Restart-Computer / shutdown 명령어 수행 시 Access is denied(E_ACCESSDENIED)
12585정성태4/5/202196개발 환경 구성: 563. 기본 생성된 kubeconfig 파일의 내용을 새롭게 생성한 인증서로 구성하는 방법
12584정성태4/12/2021108개발 환경 구성: 562. kubeconfig 파일 없이 kubectl 옵션만으로 실행하는 방법
12583정성태3/29/2021181개발 환경 구성: 561. kubectl 수행 시 다른 k8s 클러스터로 접속하는 방법
12582정성태3/29/202188오류 유형: 709. Visual C++ - 컴파일 에러 error C2059: syntax error: '__stdcall'
12581정성태3/28/2021299.NET Framework: 1031. WinForm/WPF에서 Console 창을 띄워 출력하는 방법 (2) - Output 디버깅 출력을 AllocConsole로 우회 [2]
12580정성태3/28/202170오류 유형: 708. SQL Server Management Studio - Execution Timeout Expired.
12579정성태3/28/202194오류 유형: 707. 중첩 가상화(Nested Virtualization) - The virtual machine could not be started because this platform does not support nested virtualization.
[1]  2  3  4  5  6  7  8  9  10  11  12  13  14  15  ...