J & J - 정성태의 닷넷 이야기

사용자

메뉴

최근 덧글

[정성태] VT sequences to "CONOUT$" vs. STD_O...[정성태] NetCoreDbg is a managed code debugg...[정성태] Evaluating tail call elimination in...[정성태] What’s new in System.Text.Json in ....[정성태] What's new in .NET 9: Cryptography ...[정성태] 아... 제시해 주신 "https://akrzemi1.wordp...[정성태] 다시 질문을 정리할 필요가 있을 것 같습니다. 제가 본문에...[이승준] 완전히 잘못 짚었습니다. 댓글 지우고 싶네요. 검색을 해보...[정성태] 우선 답글 감사합니다. ^^ 그런데, 사실 저 예제는 (g...[이승준] 수정이 안되어서... byteArray는 BYTE* 타입입니다...

글쓰기

제목

이름

암호

전자우편

HTML

홈페이지

유형

내용

<div style='display: inline'>
<h1 style='font-family: Malgun Gothic, Consolas; font-size: 20pt; color: #006699; text-align: center; font-weight: bold'>C# - 간단한 HyperLogLog 자료 구조 테스트</h1>

재미있는 글이 하나 소개되었습니다. ^^ 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
확률적 자료구조를 이용한 추정 - 유일한 원소 개수(Cardinality) 추정과 HyperLogLog 
; <a target='tab' href='https://d2.naver.com/helloworld/711301'>https://d2.naver.com/helloworld/711301</a>
</pre>
 
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. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
http://www.google.com/webhp?complete=1&amp;hl=en 검색에 관해서
; <a target='tab' href='http://www.sysnet.pe.kr/2/0/96'>http://www.sysnet.pe.kr/2/0/96</a>
</pre>
 
"ebay" 검색어를 포함한 웹 페이지 수가 10,000개로 대략 나오든지, 아니면 11,382개라고 정확하게 나오든지 사용자에게 크게 영향을 주는 것은 아닙니다. 하지만, 구현하는 입장에서 볼 때 그걸 정확하게 구하기 위해서는 적지 않은 오버헤드가 수반될 수 있습니다. 
 
<hr style='width: 50%' /> 
 
이론적인 설명은 "<a target='tab' href='https://d2.naver.com/helloworld/711301'>확률적 자료구조를 이용한 추정 - 유일한 원소 개수(Cardinality) 추정과 HyperLogLog</a>" 글에서 너무나 잘해주고 있으므로 여기서는 C#으로 간단하게 실습하는 것을 소개하겠습니다. 
 
일단, 검색해 보면 이미 ^^ C# 구현체가 있으니 이걸 사용하겠습니다. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
HyperLogLog C# implementation 
; <a target='tab' href='http://adnan-korkmaz.blogspot.kr/2012/06/hyperloglog-c-implementation.html'>http://adnan-korkmaz.blogspot.kr/2012/06/hyperloglog-c-implementation.html</a>
</pre>
 
또한, 유일한 단어 수를 계산하는 것 대신 전체가 유일 항목임을 보증하는 임의의 GUID 수를 생성해서 테스트 해보았습니다. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
HyperLogLog log = new HyperLogLog(0.01);
HashSet&lt;string&gt; dict = new HashSet&lt;string&gt;();

for (int i = 0; i &lt; 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
</pre>
 
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. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
==== 10,000개인 경우 ====

CountFromHash: 10000
CountFromHyperLogLog: 9976

==== 100,000개인 경우 ====

CountFromHash: 100000
CountFromHyperLogLog: 100638
</pre>
 
100000000까지 늘리면 이제 <a target='tab' href='http://www.sysnet.pe.kr/2/0/946'>(x64에서조차도) HashSet으로는 Out of memory</a>로 인해 더 이상 테스트가 되지 않습니다. 반면 HyperLogLog에서는 놀라운 메모리 사용량을 보여줍니다. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
==== 100,000,000개인 경우 ====

CountFromHash: OOM 발생
CountFromHyperLogLog: 101648822 (메모리 사용량: 4.8MB)
</pre>
 
게다가 오차도 0.01%수준으로 괜찮은 정확도를 보여줍니다. 
 
한 가지 재미있는 것이 있다면, HyperLogLog.Add 메서드에 전달된 object 인자를 별도의 getHashCode 메서드를 이용해 구한다는 것입니다. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
public static uint getHashCode(string text)
{
 uint hash = 0;

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

return hash;
}
</pre>
 
이것을 .NET Framework의 Object.GetHashCode()로 치환해도 결과가 거의 비슷했습니다. 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
public static uint getHashCode(string text)
{
 return (uint)text.GetHashCode();
}
</pre>
 
참고로, Hash 코드를 구하는 것에는 정답이 없습니다. 아래의 글에서도 이야기했었지만, 
 
<pre style='margin: 10px 0px 10px 10px; padding: 10px 0px 10px 10px; background-color: #fbedbb; overflow: auto; font-family: Consolas, Verdana;' >
괜찮은 문자열 해시 함수?
; <a target='tab' href='http://www.sysnet.pe.kr/2/0/1222'>http://www.sysnet.pe.kr/2/0/1222</a>
</pre>
 
<div style='BACKGROUND-COLOR: #ccffcc; padding: 10px 10px 5px 10px; MARGIN: 0px 10px 10px 10px; FONT-FAMILY: Malgun Gothic, Consolas, Verdana; COLOR: #005555'>
해시 함수는, 결국 해당 '업무 도메인'에서 사용되는 문자열 셋이 다르기 때문에 (가능하다면) 그에 따른 적절한 테스트를 해보고 선택하시는 것이 좋습니다. 
</div> 
 
(<a target='tab' href='http://www.sysnet.pe.kr/bbs/DownloadAttachment.aspx?fid=840&amp;boardid=331301885'>첨부 파일은 이 글의 테스트 코드를 포함</a>하고 있습니다.)

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

첨부파일

스팸 방지용 인증 번호

8415 (왼쪽의 숫자를 입력해야 합니다.)