HyperLogLog是一种高效的基数估计算法，使用仅12KB内存即可估算高达10亿的独立访客数，标准误差约为0.81%。该算法通过哈希值的前导零数量来估计基数，并采用调和平均降低方差。HyperLogLog++进一步优化了算法，支持稀疏表示和偏差修正，广泛应用于广告系统和数据分析中。

本研究提出了CardOOD框架，以解决查询驱动的基数估计在训练与测试负载不一致时的性能下降问题。通过离线训练和迁移学习，CardOOD提升了鲁棒性，并成功集成到PostgreSQL中，实现了查询优化。