hll_merge()
Führt HLL-Ergebnisse zusammen. Dies ist die skalare Version der aggregierten Version hll_merge()
.
Erfahren Sie mehr über den zugrunde liegenden Algorithmus (HyperLogLog og) und die Schätzgenauigkeit.
Wichtig
Die Ergebnisse von hll(), hll_if() und hll_merge() können gespeichert und später abgerufen werden. Beispielsweise können Sie eine tägliche Zusammenfassung eindeutiger Benutzer erstellen, die dann zum Berechnen der wöchentlichen Anzahl verwendet werden kann. Die genaue binäre Darstellung dieser Ergebnisse kann sich jedoch im Laufe der Zeit ändern. Es gibt keine Garantie, dass diese Funktionen identische Ergebnisse für identische Eingaben erzeugen, und daher raten wir davon ab, sich darauf zu verlassen.
Syntax
hll_merge(
Hll,
hll2,
[ hll3,
... ])
Erfahren Sie mehr über Syntaxkonventionen.
Parameter
Name | Typ | Erforderlich | BESCHREIBUNG |
---|---|---|---|
hll, hll2, ... | string |
✔️ | Die Spaltennamen, die zusammenzuführende HLL-Werte enthalten. Die Funktion erwartet zwischen 2 und 64 Argumente. |
Gibt zurück
Gibt einen HLL-Wert zurück. Der Wert ist das Ergebnis der Zusammenführung der Spalten hll, hll2, ... hllN.
Beispiele
Dieses Beispiel zeigt den Wert der zusammengeführten Spalten.
range x from 1 to 10 step 1
| extend y = x + 10
| summarize hll_x = hll(x), hll_y = hll(y)
| project merged = hll_merge(hll_x, hll_y)
| project dcount_hll(merged)
Ausgabe
dcount_hll_merged |
---|
20 |
Schätzgenauigkeit
Diese Funktion verwendet eine Variante des HyperLogLogLog -Algorithmus (HLL), der eine stochastische Schätzung der Setkardinalität durchführt. Der Algorithmus stellt einen „Knopf“ bereit, über den Genauigkeit und Ausführungszeit pro Arbeitsspeichergröße ausgeglichen werden können:
Genauigkeit | Fehler (%) | Entry count |
---|---|---|
0 | 1.6 | 212 |
1 | 0,8 | 214 |
2 | 0.4 | 216 |
3 | 0.28 | 217 |
4 | 0.2 | 218 |
Hinweis
Die Spalte „entry count“ ist die Anzahl von 1-Byte-Leistungsindikatoren in der HLL-Implementierung.
Der Algorithmus enthält einige Vorkehrungen für eine perfekte Anzahl (null Fehler), wenn die festgelegte Kardinalität klein genug ist:
- Wenn die Genauigkeitsgrad
1
ist, werden 1.000 Werte zurückgegeben. - Wenn die Genauigkeitsgrad
2
ist, werden 8.000 Werte zurückgegeben.
Die Fehlerbindung ist probabilistisch und keine theoretische Grenze. Der Wert ist die Standardabweichung der Fehlerverteilung (Sigma), und 99,7 % der Schätzungen weisen einen relativen Fehler von unter 3 x Sigma auf.
Die folgende Abbildung zeigt die Wahrscheinlichkeitsverteilungsfunktion des relativen Schätzfehlers in Prozent für alle unterstützten Genauigkeitseinstellungen:
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für