dcount() (fungsi agregasi)
Mengembalikan perkiraan guna jumlah nilai berbeda yang diambil oleh ekspresi skalar di dalam grup ringkasan.
Nilai null diabaikan dan tidak memperhitungkan perhitungan.
Catatan
Fungsi agregasi dcount()
terutama berguna untuk memperkirakan kardinalitas set besar. Ini memperdagangkan akurasi untuk performa, dan dapat mengembalikan hasil yang bervariasi di antara eksekusi. Urutan input dapat memengaruhi output-nya.
Catatan
Fungsi ini digunakan bersama dengan ringkasan operator.
Sintaks
dcount
(
expr[,
akurasi])
Pelajari selengkapnya tentang konvensi sintaksis.
Parameter
Nama | Tipe | Wajib | Deskripsi |
---|---|---|---|
expr | string |
✔️ | Input yang nilainya berbeda akan dihitung. |
ketepatan | int |
Nilai yang menentukan akurasi estimasi yang diminta. Nilai defaultnya adalah 1 . Lihat Akurasi estimasi untuk nilai yang didukung. |
Mengembalikan
Mengembalikan perkiraan jumlah nilai kedaluwarsa yang berbeda dalam grup.
Contoh
Contoh ini menunjukkan jumlah jenis peristiwa badai yang terjadi di setiap status.
StormEvents
| summarize DifferentEvents=dcount(EventType) by State
| order by DifferentEvents
Tabel hasil yang ditampilkan hanya menyertakan 10 baris pertama.
Provinsi | DifferentEvents |
---|---|
TEXAS | 27 |
CALIFORNIA | 26 |
PENNSYLVANIA | 25 |
GEORGIA | 24 |
ILLINOIS | 23 |
MARYLAND | 23 |
CAROLINA UTARA | 23 |
MICHIGAN | 22 |
FLORIDA | 22 |
OREGON | 21 |
KANSAS | 21 |
... | ... |
Akurasi estimasi
Fungsi ini menggunakan varian dari algoritma HyperLogLog (HLL), yang melakukan estimasi stokastik dari kardinalitas yang ditetapkan. Algoritma ini menyediakan "kenop" yang dapat digunakan untuk menyeimbangkan akurasi dan waktu eksekusi per ukuran memori:
Akurasi | Kesalahan (%) | Jumlah entri |
---|---|---|
0 | 1.6 | 212 |
1 | 0,8 | 214 |
2 | 0,4 | 216 |
3 | 0.28 | 217 |
4 | 0,2 | 218 |
Catatan
Kolom "jumlah entri" adalah jumlah penghitung 1 byte dalam implementasi HLL.
Algoritma ini mencakup beberapa ketentuan untuk melakukan penghitungan sempurna (zero error), jika kardinalitas set berukuran cukup kecil:
- Ketika tingkat akurasi adalah
1
, 1000 nilai dikembalikan - Ketika tingkat akurasi adalah
2
, 8000 nilai dikembalikan
Batas kesalahan bersifat probabilistik, bukan batas teoritis. Nilainya adalah simpangan baku dari distribusi kesalahan (sigma), dan 99,7% estimasi akan memiliki kesalahan relatif di bawah 3 x sigma.
Gambar berikut menunjukkan fungsi distribusi peluang dari kesalahan estimasi relatif, dalam persentase, untuk semua pengaturan akurasi yang didukung:
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk