APPROX_COUNT_DISTINCT

描述

返回非 NULL 的不同元素数量。 基于 HyperLogLog 算法实现，使用固定大小的内存估算列基数。 该算法基于尾部零分布假设进行计算，具体精确程度取决于数据分布。基于 Doris 使用的固定桶大小，该算法相对标准误差为 0.8125% 更详细具体的分析，详见相关论文

语法

APPROX_COUNT_DISTINCT(<expr>)
NDV(<expr>)

参数说明

参数	说明
<expr>	用于计算的表达式。支持的类型包括 String、Date、DateTime、IPv4、IPv6、TinyInt、SmallInt、Integer、BigInt、LargeInt、Float、Double、Decimal。

返回值

返回 BIGINT 类型的值。

举例

-- setup
create table t1(
        k1 int,
        k_string varchar(100),
        k_tinyint tinyint
) distributed by hash (k1) buckets 1
properties ("replication_num"="1");
insert into t1 values 
    (1, 'apple', 10),
    (1, 'banana', 20),
    (1, 'apple', 10),
    (2, 'orange', 30),
    (2, 'orange', 40),
    (2, 'grape', 50),
    (3, null, null);

select approx_count_distinct(k_string) from t1;

String 类型：计算所有 k_string 值的近似去重数量，NULL 值不参与计算。

+---------------------------------+
| approx_count_distinct(k_string) |
+---------------------------------+
|                               4 |
+---------------------------------+

select approx_count_distinct(k_tinyint) from t1;

TinyInt 类型：计算所有 k_tinyint 值的近似去重数量。

+----------------------------------+
| approx_count_distinct(k_tinyint) |
+----------------------------------+
|                                5 |
+----------------------------------+

select approx_count_distinct(k1) from t1;

Integer 类型：计算所有 k1 值的近似去重数量。

+---------------------------+
| approx_count_distinct(k1) |
+---------------------------+
|                         3 |
+---------------------------+

select k1, approx_count_distinct(k_string) from t1 group by k1;

按 k1 分组，计算每组中 k_string 的近似去重数量。组内记录都为 NULL 时，返回 0。

+------+---------------------------------+
| k1   | approx_count_distinct(k_string) |
+------+---------------------------------+
|    1 |                               2 |
|    2 |                               2 |
|    3 |                               0 |
+------+---------------------------------+

select ndv(k_string) from t1;

使用别名 NDV 的效果与 APPROX_COUNT_DISTINCT 相同。

+---------------+
| ndv(k_string) |
+---------------+
|             4 |
+---------------+

select approx_count_distinct(k_string) from t1 where k1 = 999;

当查询结果为空时，返回 0。

+---------------------------------+
| approx_count_distinct(k_string) |
+---------------------------------+
|                               0 |
+---------------------------------+