google-bigquery - BigQuery COUNT（DISTINCT 值）与 COUNT（值）

Question

我在 bigquery 中发现了一个故障/错误。我们得到了一个基于starschema.net:clouddb:bank.Banks_token 下的银行统计数据的表

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，这比表中的行数多 390row。

score 48 · Accepted Answer

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，如果您在示例中使用 COUNT(DISTINCT BankId, 10000)，您应该会看到确切的结果（因为实际行数少于 10000）。但是请注意，使用更大的阈值在性能方面可能代价高昂。

2017 年更新：

使用 BigQuery #standardSQLCOUNT(DISTINCT)始终是准确的。对于近似结果，请使用APPROX_COUNT_DISTINCT(). 为什么有人会使用近似结果？见这篇文章。

score 28 · Accepted Answer

我使用 EXACT_COUNT_DISTINCT() 作为获取确切唯一计数的方法。它比 COUNT(DISTINCT value, n > numRows) 更简洁、更通用

2 回答 2