讲师中心 微信公众号

工具推荐

视频效率加速
SoundView
SoundView

字幕擦除翻译、配音口型同步

AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

剧云
剧云

中文短剧剧本制作平台

如何在SQL中使用APPROX_COUNT_DISTINCT实现超大基数极速估算?

夏枫小哥_4153

夏枫小哥_4153

发布时间:2026-11-17 10:12:25

|

726人浏览过

|

来源于php中文网

原创

APPROX_COUNT_DISTINCT比COUNT(DISTINCT)快,因其基于HyperLogLog算法,仅用固定内存(约12KB)、O(1)单行处理,而后者需构建线性增长的哈希表,易OOM且慢。

如何在sql中使用approx_count_distinct实现超大基数极速估算?

APPROX_COUNT_DISTINCT 为什么比 COUNT(DISTINCT) 快那么多?

因为 APPROX_COUNT_DISTINCT 不做精确去重,而是用 HyperLogLog(HLL)概率算法估算基数。它只维护一个固定大小的内存结构(通常几 KB),时间复杂度 O(1) 每行,内存占用不随去重字段唯一值数量增长。而 COUNT(DISTINCT) 在大多数引擎里要建哈希表或排序,内存和时间都随唯一值线性甚至超线性上涨——亿级用户 ID 去重时,COUNT(DISTINCT) 可能 OOM 或跑十几分钟,APPROX_COUNT_DISTINCT 通常秒出,误差率稳定在 ±1% 左右。

不同数据库里怎么写才不报错?

语法差异不小,写错直接抛 function not found 或 invalid function name:

  • Spark SQL / Databricks / BigQuery:直接用 APPROX_COUNT_DISTINCT(col),支持 DISTINCT 关键字但非必须,APPROX_COUNT_DISTINCT(DISTINCT col) 也合法
  • Presto / Trino:必须写成 approx_distinct(col)(全小写,下划线,无 APPROX_ 前缀),不支持 APPROX_COUNT_DISTINCT
  • SQL Server:用 APPROX_COUNT_DISTINCT(col),但仅限 Azure SQL DB 和 SQL Server 2019+,本地 2017 不支持
  • ClickHouse:没有该函数,得用 uniqHLL12(col) 或 uniqExact(col) 替代

什么时候不该用 APPROX_COUNT_DISTINCT?

不是所有“去重计数”场景都适合估算。以下情况建议退回 COUNT(DISTINCT) 或换方案:

  • 结果要用于财务对账、SLA 达标判定、合同计费等强一致性要求场景——哪怕误差只有 0.5%,也不行
  • 去重字段基数极低(比如只有几十个枚举值),估算反而增加 CPU 开销,且失去意义
  • 嵌套在子查询中又被外层做 ORDER BY + LIMIT,某些引擎(如旧版 Presto)可能因估算中间态导致排序逻辑异常
  • 字段含大量 NULL,注意各系统对 NULL 的处理:BigQuery 和 Spark 默认忽略 NULL,但 ClickHouse 的 uniqHLL12 会把 NULL 当有效值参与估算

如何验证估算误差是否在可接受范围?

不能只信文档写的“±1%”,得实测。最轻量方法是抽样对比:

SELECT
  APPROX_COUNT_DISTINCT(user_id) AS approx,
  COUNT(DISTINCT user_id) AS exact
FROM events
WHERE ds = '2024-06-01'
  AND rand() < 0.01;  -- 抽 1% 样本,避免全表扫

如果 approx 和 exact 相对误差长期 > 2.5%,就要查原因:

  • 是不是字段分布极端倾斜?比如 99% 的 user_id 是同一个测试值,HLL 对这种低熵数据效果差
  • 是不是用了过短的分区键(如只按小时分区却查跨月数据),导致多个 HLL sketch 合并时精度衰减
  • 引擎版本太老(如 Spark 3.0 之前),HLL 实现有 bug,升级到 3.2+ 更稳

真正难搞的不是函数调用本身,而是理解你的数据分布是否匹配 HLL 的假设——均匀随机哈希。一旦数据有强 pattern,比如 user_id 是递增 long 或带固定前缀的 UUID,就得先 HASH 一下再喂给 APPROX_COUNT_DISTINCT。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

6536

2023.06.21

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

1269

2025.12.08

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

243

2026.01.05

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

546

2026.01.05

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

5063

2023.10.12

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

1031

2023.10.27

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

1329

2024.02.23

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

7141

2024.03.06

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

140

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn