ハッシュの競合

Adobe AnalyticsのDimensionは、文字列値を収集します。 これらの文字列は数百文字の長さになる場合もあれば、短くなる場合もあります。 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、処理で直接使用されません。 代わりに、すべての値を均一なサイズにするために、値ごとにハッシュが計算されます。 すべてのレポートは、これらのハッシュ化された値に対して実行されるので、パフォーマンスが大幅に向上します。

ほとんどのフィールドでは、文字列はまず小文字すべてに変換されます。 小文字に変換すると、一意の値の数が減ります。 値は月単位でハッシュ化されます。特定の値の場合は、毎月表示される最初の値を使用します。 月から月へ、2 つの一意の変数値が同じ値にハッシュ化される可能性が少しあります。 この概念は、ハッシュの競合 ​として知られています。

ハッシュの競合は、レポートで次のように現れる場合があります。

ハッシュの衝突の確率

Adobe Analyticsでは、ほとんどのディメンションに 32 ビットハッシュを使用します。つまり、可能なハッシュの組み合わせは 2³² （約 43 億）あります。 ディメンションごとに新しいハッシュテーブルが毎月作成されます。 一意の値の数に基づいた、ハッシュの競合が発生する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基づいています。

バースデーのパラドックスと同様に、一意の値の数が増えると、ハッシュの衝突の可能性が大幅に高まります。 一意の値が 100 万個の場合、そのディメンションには少なくとも 100 個のハッシュ競合がある可能性があります。

ハッシュの競合の軽減

ほとんどのハッシュの競合は、2 つの一般的でない値で発生しますが、レポートには意味のある影響はありません。 ハッシュが一般的で一般的でない値と競合した場合でも、結果は無視できます。 ただし、まれに 2 つの一般的な値でハッシュの競合が発生する場合は、その影響を明確に確認できます。 Adobeでは、レポートでの影響を軽減するために、次のことを推奨しています。