为何ClickHouse的TopK()有时返回包含负值的数组？

问题原因 #

这是典型的无符号整数被当作有符号整数解析导致的溢出问题，具体细节：

• ClickHouse的topK函数在部分版本中，对UInt64类型数据的内部处理存在类型转换偏差，会将无符号的UInt64当作带符号的Int64来处理。
• UInt64的取值范围是0到18446744073709551615，当数值超过Int64的最大值9223372036854775807时，按照带符号整数的规则解析，高位会被识别为符号位，原本的大正数就会变成负数。
• 你查询最小值为正数，说明表中所有rid_hash本身都是合法的UInt64非负值，只是topK输出结果时没有正确保留无符号属性，导致解析错误。

验证方式 #

将结果中的负数转换为对应的UInt64值即可还原真实数据，比如示例中的-304028290，计算方式为：

18446744073709551616 - 304028290 = 18446743769681261626

这个结果就是表中真实存在的rid_hash值，完全符合UInt64的范围。

解决办法 #

• 显式指定类型转换：查询时使用topK(toUInt64(rid_hash))，强制函数以无符号类型处理数据；
• 结果后处理：在获取查询结果后，自行按照无符号整数补码规则将负数转换为对应UInt64值；
• 升级ClickHouse：部分旧版本的topK存在类型处理bug，升级到较新版本可直接解决该问题。

内容的提问来源于stack exchange，提问作者Jack_C