hll() (agregační funkce)

Funkce hll() představuje způsob, jak odhadnout počet jedinečných hodnot v sadě hodnot. Dělá to výpočtem průběžných výsledků pro agregaci v rámci operátoru sumarizace pro skupinu dat pomocí dcount funkce.

Přečtěte si o základním algoritmu (HyperLogLog) a o přesnosti odhadu.

Poznámka:

Tato funkce se používá ve spojení s operátorem sumarizace.

Tip

• Pomocí funkce hll_merge sloučíte výsledky více hll() funkcí.
• Pomocí funkce dcount_hll můžete vypočítat počet jedinečných hodnot z výstupu hll() nebo hll_merge funkcí.

Důležité

Výsledky hll(), hll_if() a hll_merge() je možné uložit a později načíst. Můžete například chtít vytvořit denní souhrn jedinečných uživatelů, který se pak dá použít k výpočtu týdenních počtů. Přesné binární znázornění těchto výsledků se však může v průběhu času změnit. Neexistuje žádná záruka, že tyto funkce budou mít identické výsledky pro stejné vstupy, a proto nedoporučujeme spoléhat se na ně.

Syntaxe

hll( výraz [, přesnost])

Přečtěte si další informace o konvencích syntaxe.

Parametry

Název	Type	Požadováno	Popis
výraz	string	✔️	Výraz použitý pro výpočet agregace.
přesnost	int		Hodnota, která řídí rovnováhu mezi rychlostí a přesností. Pokud není zadáno, výchozí hodnota je 1. Podporované hodnoty najdete v tématu Přesnost odhadu.

Návraty

Vrátí mezilehlé výsledky jedinečného počtu výrazů ve skupině.

Příklad

V následujícím příkladu se hll() funkce používá k odhadu počtu jedinečných hodnot DamageProperty sloupce v intervalu 10 minut StartTime ve sloupci.

Spuštění dotazu

StormEvents
| summarize hll(DamageProperty) by bin(StartTime,10m)

Zobrazená tabulka výsledků obsahuje pouze prvních 10 řádků.

Počáteční čas	hll_DamageProperty
2007-01-01T00:20:00Z	[[1024,14],["3803688792395291579"],[]]
2007-01-01T01:00:00Z	[[1024,14],["7755241107725382121","-5665157283053373866","3803688792395291579","-1003235211361077779"],[]]
2007-01-01T02:00:00Z	[[1024,14],["-1003235211361077779","-5665157283053373866","7755241107725382121"],[]]
2007-01-01T02:20:00Z	[[1024,14],["7755241107725382121"],[]]
2007-01-01T03:30:00Z	[[1024,14],["3803688792395291579"],[]]
2007-01-01T03:40:00Z	[[1024,14],["-5665157283053373866"],[]]
2007-01-01T04:30:00Z	[[1024,14],["3803688792395291579"],[]]
2007-01-01T05:30:00Z	[[1024,14],["3803688792395291579"],[]]
2007-01-01T06:30:00Z	[[1024,14],["1589522558235929902"],[]]

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: