hll_merge()
Область применения: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel
Объединяет результаты HLL. Это скалярная версия агрегатной версии hll_merge()
.
Ознакомьтесь с базовым алгоритмом (H yperLog Log) и точностью оценки.
Важно!
Результаты hll(), hll_if() и hll_merge() можно сохранить и получить позже. Например, может потребоваться создать сводку по ежедневным уникальным пользователям, которая затем может использоваться для вычисления еженедельных подсчетов. Однако точное двоичное представление этих результатов может меняться с течением времени. Нет никакой гарантии, что эти функции будут производить идентичные результаты для идентичных входных данных, поэтому мы не советуем полагаться на них.
hll_merge(
hll,
hll2,
[ hll3,
... ])
Дополнительные сведения о соглашениях синтаксиса.
Имя (название) | Type | Обязательно | Описание |
---|---|---|---|
hll, hll2, ... | string |
✔️ | Имена столбцов, содержащие значения HLL для слияния. Функция ожидает от 2 до 64 аргументов. |
Возвращает одно значение HLL. Значение является результатом объединения столбцов hll, hll2, ... hllN.
В этом примере показано значение объединенных столбцов.
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)
Выходные данные
dcount_hll_merged |
---|
20 |
Эта функция использует вариант алгоритма HyperLogLog (HLL), который выполняет стохастиическую оценку кратности набора. Алгоритм предоставляет "рычаг управления", который можно использовать для выравнивания точности и времени выполнения под размер памяти:
Правильность | Ошибка (%) | Число записей |
---|---|---|
0 | 1,6 | 212 |
1 | 0,8 | 214 |
2 | 0,4 | 216 |
3 | 0,28 | 217 |
4 | 0,2 | 218 |
Примечание
Столбец "число записей" — это количество 1-байтных счетчиков в реализации HLL.
Алгоритм включает в себя некоторые положения для выполнения идеального подсчета (нулевой ошибки), если кратность набора достаточно мала:
- если уровень точности равен
1
, возвращаются значения 1000; - если уровень точности равен
2
, возвращаются значения 8000.
Границы погрешности — вероятностная, а не теоретическая граница. Значение является стандартным отклонением распределения погрешностей (сигма). 99,7 % оценок будут иметь относительную погрешность в 3 сигмы.
На следующем изображении показана функция распределения вероятности относительной погрешности оценки (в процентах) для всех поддерживаемых параметров точности: