dcount() (agregační funkce)

Vypočítá odhad počtu jedinečných hodnot přijatých skalárním výrazem ve skupině souhrnu.

Hodnoty Null se ignorují a nefaktorují do výpočtu.

Poznámka:

Agregační dcount() funkce je primárně užitečná pro odhad kardinality obrovských sad. Obchoduje přesnost za výkon a může vrátit výsledek, který se mezi provedeními liší. Pořadí vstupů může mít vliv na jeho výstup.

Poznámka:

Tato funkce se používá ve spojení s operátorem sumarizace.

Syntaxe

dcount(výraz[, přesnost])

Přečtěte si další informace o konvencích syntaxe.

Parametry

Název	Type	Požadováno	Popis
výraz	string	✔️	Vstup, jehož jedinečné hodnoty se mají spočítat.
přesnost	int		Hodnota, která definuje požadovanou přesnost odhadu. Výchozí hodnota je 1. Viz přesnost odhadu podporovaných hodnot.

Návraty

Vrátí odhad počtu jedinečných hodnot výrazu ve skupině.

Příklad

Tento příklad ukazuje, kolik typů událostí stormu proběhlo v jednotlivých stavech.

Spuštění dotazu

StormEvents
| summarize DifferentEvents=dcount(EventType) by State
| order by DifferentEvents

Zobrazená tabulka výsledků obsahuje pouze prvních 10 řádků.

State	DifferentEvents
TEXAS	27
KALIFORNIE	26
PENNSYLVANIA	25
GEORGIA	24
ILLINOIS	23
MARYLAND	23
NORTH CAROLINA	23
MICHIGAN	22
FLORIDA	22
OREGON	21
KANSAS	21
...	...

Přesnost odhadu

Tato funkce používá variantu algoritmu HyperLogLog (HLL), který provede stochastický odhad kardinality sady. Algoritmus poskytuje "knoflík", který lze použít k vyvážení přesnosti a doby provádění na velikost paměti:

Přesnost	Chyba (%)	Počet položek
0	1.6	212
0	0,8	214
2	0,4	216
3	0,28	217
4	0,2	218

Poznámka:

Sloupec "entry count" je počet čítačů 1 bajtů v implementaci HLL.

Algoritmus obsahuje některá ustanovení pro dosažení dokonalého počtu (nula chyb), pokud je nastavená kardinalita dostatečně malá:

• Pokud je 1úroveň přesnosti , vrátí se 1 000 hodnot.
• Pokud je 2úroveň přesnosti , vrátí se 8 000 hodnot.

Svázaná chyba je pravděpodobnostní, nikoli teoretická mez. Hodnota je směrodatná odchylka rozdělení chyb (sigma) a 99,7 % odhadů bude mít relativní chybu pod 3 x sigma.

Následující obrázek znázorňuje funkci rozdělení pravděpodobnosti relativní chyby odhadu v procentech pro všechna podporovaná nastavení přesnosti: