APPROX_COUNT_DISTINCT (Lakehouse v1)

Estima o número de valores distintos em um conjunto de dados com o algoritmo HyperLogLog.

O algoritmo HyperLogLog fornece uma aproximação do número de elementos exclusivos usando pouca memória e pouco tempo. Considere usar esta função ao trabalhar com grandes conjuntos de dados em que um resultado estimado seja aceitável. Em troca de alguma precisão, este é um método rápido e eficiente de retornar contagens distintas.

Para obter um resultado exato, use COUNT_DISTINCT. Veja os Exemplos para mais explicações.

Sintaxe do Analyze

func.approx_count_distinct(<expr>)

Exemplos do Analyze

func.approx_count_distinct(table.user_id).alias('approx_distinct_user_count')

| approx_distinct_user_count |
|----------------------------|
|             4              |

Sintaxe SQL

APPROX_COUNT_DISTINCT(<expr>)

Tipo de retorno

Inteiro.

Exemplos de SQL

Criar uma tabela e inserir dados de exemplo

CREATE TABLE user_events (
  id INT,
  user_id INT,
  event_name VARCHAR
);

INSERT INTO user_events (id, user_id, event_name)
VALUES (1, 1, 'Login'),
       (2, 2, 'Login'),
       (3, 3, 'Login'),
       (4, 1, 'Logout'),
       (5, 2, 'Logout'),
       (6, 4, 'Login'),
       (7, 1, 'Login');

Demonstração de consulta: estimar o número de IDs de usuário distintos

SELECT APPROX_COUNT_DISTINCT(user_id) AS approx_distinct_user_count
FROM user_events;

Resultado

| approx_distinct_user_count |
|----------------------------|
|             4              |