百分位数(percentile)的详细定义见百度百科。

在这里我用一个通俗的例子来补充解释， 例如今年有900万人参加了高考，自然有900万个成绩，某个学校计划择优招生分数最高的前900个，那么分数线应该是多少呢，这就涉及到百分位的计算，这个学校录取的百分比就是万分之一，分数线的位置在万分之九千九百九十九，化成百分比就是99.99%，那对应这个百分比位置的具体数值是多少呢，这个说的就是百分位(percentile)。

Mysql中要实现根据若干条记录的某个字段获取指定百分位的值，用常规的自定义函数似乎行不通。我们用C/C++语言写一个mysql插件。

udf_percentile.cc， 这是插件的源代码。

/*

returns the percentile of the values in a distribution

input parameters:

data (real or int)

desired percentile of result, 0-1 (double)

decimals of output (optional, int)

output:

percentile value of the distribution (real)

compiling

gcc -fPIC -Wall -I /usr/include/mysql51/mysql/ -shared -o udf_percentile.so udf_percentile.cc

udf_percentile.so /usr/lib64/mysql/plugin/

registering the function:

CREATE AGGREGATE FUNCTION percentile RETURNS REAL SONAME 'udf_percentile.so';

getting rid of the function:

DROP FUNCTION percentile;

hat tip to Jan Steemann's udf_median function http://mysql-udf.sourceforge.net/

*/

#ifdef STANDARD

#include

#include

#include

#ifdef __WIN__

typedef unsigned __int64 ulonglong;

typedef __int64 longlong;

#else

typedef unsigned long long ulonglong;

typedef long long longlong;

#endif /*__WIN__*/

#else

#include

#include

#endif

#include

#include

#include

#ifdef HAVE_DLOPEN

#define BUFFERSIZE 1024

extern "C" {

my_bool percentile_init( UDF_INIT* initid, UDF_ARGS* args, char* message );

void percentile_deinit( UDF_INIT* initid );

void percentile_reset( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char *error );

void percentile_clear(UDF_INIT* initid, char *is_null, char *error);

void percentile_add( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char *error );

double percentile( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char *error );

}

struct percentile_data

{

unsigned long count;

unsigned long abscount;

unsigned long pages;

double *values;

};

my_bool percentile_init( UDF_INIT* initid, UDF_ARGS* args, char* message )

{

if ( args->arg_count < 2 || args->arg_count>3)

{

strcpy(message,"wrong number of arguments: percentile() requires two - three arguments");

return 1;

}

if (args->arg_type[0]!=REAL_RESULT && args->arg_type[0]!=INT_RESULT)

{

strcpy(message,"percentile() requires a real or int as parameter 1");

return 1;

}

if (args->arg_type[1]!=REAL_RESULT && args->arg_type[1]!=INT_RESULT && args->arg_type[1]!=DECIMAL_RESULT)

{

asprintf(&message,"percentile() requires a real/int as parameter 2, instead %d",args->arg_type[1]);

return 1;

}

if (args->arg_count>2 && args->arg_type[2]!=INT_RESULT)

{

strcpy(message,"percentile() requires an int as parameter 3");

return 1;

}

initid->decimals=2;

if (args->arg_count==3 && (*((ulong*)args->args[2])<=16))

{

initid->decimals=*((ulong*)args->args[2]);

}

percentile_data *buffer = new percentile_data;

buffer->count = 0;

buffer->abscount=0;

buffer->pages = 1;

buffer->values = NULL;

initid->maybe_null = 1;

initid->max_length = 32;

initid->ptr = (char*)buffer;

return 0;

}

void percentile_deinit( UDF_INIT* initid )

{

percentile_data *buffer = (percentile_data*)initid->ptr;

if (buffer->values != NULL)

{

free(buffer->values);

buffer->values=NULL;

}

delete initid->ptr;

}

void percentile_clear(UDF_INIT* initid, char *is_null, char *error){

percentile_data *buffer = (percentile_data*)initid->ptr;

buffer->count = 0;

buffer->abscount=0;

buffer->pages = 1;

*is_null = 0;

*error = 0;

if (buffer->values != NULL)

{

free(buffer->values);

buffer->values=NULL;

}

buffer->values=(double *) malloc(BUFFERSIZE*sizeof(double));

}

void percentile_reset( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char* is_error )

{

percentile_clear(initid, is_null, is_error);

percentile_add( initid, args, is_null, is_error );

}

void percentile_add( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char* is_error )

{

if (args->args[0]!=NULL)

{

percentile_data *buffer = (percentile_data*)initid->ptr;

if (buffer->count>=BUFFERSIZE)

{

buffer->pages++;

buffer->count=0;

buffer->values=(double *) realloc(buffer->values,BUFFERSIZE*buffer->pages*sizeof(double));

}

if(args->arg_type[0]==INT_RESULT){

buffer->values[buffer->abscount++] = (double) *((longlong*)args->args[0]);

}

else{

buffer->values[buffer->abscount++] = *((double*)args->args[0]);

}

buffer->count++;

}

}

int compare_doubles (const void *a, const void *b)

{

const double *da = (const double *) a;

const double *db = (const double *) b;

return (*da > *db) - (*da < *db);

}

double percentile( UDF_INIT* initid, UDF_ARGS* args, char* is_null, char* is_error )

{

percentile_data* buffer = (percentile_data*)initid->ptr;

double pctile;

if (buffer->abscount==0 || *is_error!=0)

{

*is_null = 1;

return 0.0;

}

*is_null=0;

if (buffer->abscount==1)

{

return buffer->values[0];

}

qsort(buffer->values,buffer->abscount,sizeof(double),compare_doubles);

if(args->arg_type[1]==INT_RESULT){

pctile = (double) *((longlong*)args->args[1]);

}

else if(args->arg_type[1]==DECIMAL_RESULT){

pctile = atof(args->args[1]);

}

else{

pctile = *((double*)args->args[1]);

}

int n = buffer->abscount - 1;

if(pctile <=0){

return buffer->values[0];

}

if(pctile>=1){

return buffer->values[n];

}

double i = n * pctile;

int ix = (int) i;

if (i == ix)

{

return buffer->values[ix];

} else

{

int j = ix + 1 >= n ? n : ix + 1;

return(buffer->values[ix]*(j - i) + buffer->values[j]*(i - ix));

}

}

#endif

将以上源代码编译成.so文件

gcc -fPIC -Wall -I /usr/include/mysql/ -shared -o udf_percentile.so udf_percentile.cc

在ubuntu下，如果没有/usr/include/mysql， 需要先安装libmysqlclient-dev：sudo apt-get install libmysqlclient-dev。如果是mysql5.x，你可以下载我编译好的so文件。

将so文件拷贝到mysql的插件目录下：

sudo cp udf_percentile.so /usr/lib/mysql/plugin/

以管理员身份进入mysql，注册自定义函数：

CREATE AGGREGATE FUNCTION percentile RETURNS REAL SONAME 'udf_percentile.so';

使用方法：

SELECT percentile(score, 0.9991,5) FROM candidates;

0.9991就是百分位(99.91%)，5是指结果的精度(小数位数)。

没有mysql服务的管理权限的，只能通过程序实现了，最后附上percentile的JAVA和JS实现。

JAVA:

public static double percentile(double[] data,double p){

int n = data.length;

Arrays.sort(data);

double px = p*(n-1);

int i = (int)java.lang.Math.floor(px);

double g = px - i;

if(g==0){

return data[i];

}else{

return (1-g)*data[i]+g*data[i+1];

}

}

JS:

const percentile = (data, p) =>{

let n = data.length;

data.sort((a, b) => a - b);

let px = p*(n-1);

let i = Math.floor(px);

let g = px - i;

if(g==0){

return data[i];

}else{

return (1-g)*data[i]+g*data[i+1];

}

}