日志聚类如何通过智能采样平衡精度与性能？

当日志量特别大时（如数千万条），新版日志聚类内置了分层采样策略：

• 模式发现阶段：采样 5 万条日志用于发现模式。因为日志模式数量远小于日志总数（这是聚类的基本假设），5 万条通常足以发现绝大多数模式。
• 模式匹配阶段：采样 20 万条进行统计。影响的是数量统计精度，而非模式发现。
• 变量统计阶段：每个模式保留 Top 10 变量取值，足以让用户理解分布特征。

采样算法采用伯努利采样（Bernoulli Sampling），确保每条日志被选中的概率相等，保证代表性。当日志量超过阈值时自动降采样。

实践表明这种策略在绝大多数场景下能提供足够准确的聚类结果，同时保持秒级查询响应，不会显著影响聚类效果。