ハッシュの競合

Adobe Analyticsのディメンションは、文字列値を収集します。 これらの文字列は数百文字の場合もあれば、短い場合もあります。 パフォーマンスを向上させるために、これらの文字列値は、レポート時処理で直接使用されません。 代わりに、値ごとにハッシュが計算され、均一なサイズの識別子が生成されます。 ほとんどのフィールドでは、値はハッシュする前に小文字に変換され、一意の値の合計数が減少します。 すべてのレポートは、これらのハッシュ化された値で実行されるため、パフォーマンスが大幅に向上します。

Adobe Analyticsでは、各変数に対して個別のハッシュテーブルを保持し、各テーブルは毎月再構築されます。 これらのテーブルのいずれかで、2つの異なるソース値が同じハッシュを生成することがあります。これは​ ハッシュ コリジョン ​と呼ばれます。

ハッシュの衝突は、次のようにレポートに表示されます。

ハッシュ衝突の確率

Adobe Analyticsでは、ほとんどのディメンションに32 ビットハッシュが使用されます。つまり、2³²個のハッシュの組み合わせが可能です（約43億）。 一意の値の数に基づいて、ハッシュ衝突が発生する近似確率は次のとおりです。 これらのオッズは、1か月間の単一のディメンションにもとづいています。

誕生日パラドックス ​と同様に、一意の値の数が増えるにつれて、ハッシュ衝突の可能性が大幅に増加します。 100万の一意の値では、そのディメンションに対して少なくとも100回のハッシュ衝突が発生している可能性があります。

ハッシュ衝突の緩和

ハッシュ衝突を完全に排除することはできませんが、レポートへの影響を軽減することはできます。 ほとんどのハッシュ衝突は、2つの珍しい値で発生し、レポートに意味のある影響を与えません。 ハッシュが共通および非共通の値と衝突しても、結果は無視できます。 しかし、2つの一般的な値がハッシュ衝突を経験するまれなケースでは、その効果を明確に確認することができます。 Adobeでは、レポートでの効果を減らすために、次のことをお勧めします。