首页 文章

BigQuery COUNT（DISTINCT值）vs COUNT（值）

提问于
浏览 次
20

我在bigquery中发现了一个小故障/错误 . 我们根据starschema.net:clouddb:bank.Banks_token下的银行统计数据得到了一张表

如果我运行以下查询：

SELECT count(*) as totalrow,
count(DISTINCT BankId ) as bankidcnt
FROM bank.Banks_token;

我得到以下结果：

Row totalrow    bankidcnt    
1   9513    9903

我的问题是如果我有9513row我怎么能得到9903row，这比表中的rowcount多390个 .

google-bigquery

2 回答

  • 28

    我使用EXACT_COUNT_DISTINCT（）作为获取确切唯一计数的方法 . 它比COUNT更清晰，更通用（DISTINCT值，n> numRows）

    在此处找到：https://cloud.google.com/bigquery/query-reference#aggfunctions

    回复于
  • 32

    在BigQuery中，COUNT DISTINCT是所有大于1000的结果的统计近似值 .

    您可以提供可选的第二个参数来给出使用近似值的阈值 . 因此，如果在示例中使用COUNT（DISTINCT BankId，10000），则应该看到确切的结果（因为实际的行数小于10000） . 但请注意，使用较大的阈值在性能方面可能成本较高 .

    请参阅此处的完整文档：https://developers.google.com/bigquery/docs/query-reference#aggfunctions

    2017年更新：

    使用BigQuery #standardSQL COUNT(DISTINCT) 总是准确的 . 如需大致结果，请使用 APPROX_COUNT_DISTINCT() . 为什么有人会使用大约结果？ See this article .

    回复于

相关问题