热身 在开始之前，请先看下以下四条SQL，请问它们的数据逻辑是一样的吗，或者说它们的结果必然一样的吗？（这里不考虑SQL的效率，优化） -- SQL1 select a.k1, a.v1, b.k2, b.v2 from A a left join B b on a.k1=b.k2 and b.status = 0 where a.status = 0 -- SQL2 select a.k1, a.v1, b.k2, b.v2 from A a left join B b on a.k1 = b.k2 where a.status = 0 and b.status = 0 -- SQL3 select a.k1, a.v1, b.k2, b.v2 from A a left join ( select k2, v2 from B where status = 0 ) b on a.k1 = b.k2 where a.status = 0 -- SQL4 select a.k1, a.v1, b.k2, b.v2 from ( select k1, v1 from A where sta....

JoinOnConstant(常数)的逻辑拾遗

问题：测试一个新素材的效果（点击率）时，需要跑多少CPM才合适呢，或者多少CPM就能比较精准测出其效果（点击率）？ 直观上来看，当然是测的越多就越精准，但成本有限的，所以必须在成本与精度之间做一个权衡，那么如何权衡呢？ 假如预算很少，跑出来的结果可信吗？ 或者预算比较多时，是否可以节省预算呢？ 或无明显预算限制时，该如何抉择？ 再把问题拓展下，假如是做一次AB测试，那么此时的对比是有效的吗，能说明AB两个实验的点击率是有明显区别的吗 上述问题实际可以归结到统计学中的以抽样的占比反推整体占比的一个统计推断问题，前提是每次抽样都是真随机的，那么假设测试的曝光数为n,点击率为p, 那么可算出一个标准误差值 stderr=sqrt(p*(1-p)/n)，那么整体的CTR 有68%的可能性是落在[p-1*stderr, p+1*stderr]这个范围内 有95%的可能性是落在[p-2*stderr, p+2*stderr]这个范围内 有99%的可能性是落在[p-3*stderr, p+3*stderr]这个范围内 基于上述理论，我们就可以比较精准的回答上述问题了 根据测试的曝光数及CT....

精准评估点击率需要多少个CPM呢

总结如下 同一层级不允许使用两个及两个以上的（非LEFT/INNER）JOIN，除非所有都是LEFT JOIN/INNER JOIN。 ClickHouse会把同一层多个JOIN的语句重构成多层，每一次只会有一个JOIN。常规情况下数据表都会在第一个，在此前提下只要出现至少一个 RIGHT JOIN、FULL JOIN，那么WHERE条件就不会下推导第一层JOIN，从而会出现数据表被全表做JOIN的情况，从而使性能急剧下降。 不推荐通过对数据表单独封装子查询的方案原因为，在维度表用的是local表时，此方案会造成数据不准，具体详见CH查询逻辑

ClickHouse多个同层JOIN的使用优化