Question

我知道BigQuery正在提供COUNT DISTINCT的估算，但是有没有关于错误有多大以及它依赖于哪种参数的信息？

由于

Answer 1

COUNT DISTINCT估算的准确性取决于干扰值的实际数量。如果它很小 - 算法非常准确（对于较小的值，它通常会返回精确的值），但是不同值的数量越大 - 它就越不准确。注意，COUNT（DISTINCT）采用第二个参数，它将内存换成准确性，即它将使用更多内存，但更准确。例如：

SELECT COUNT(DISTINCT x, 100000) FROM T

如果distict值的总数小于100,000，

将返回相当准确的结果。

COUNT个不同估计的精确算法有所不同，但不同的变化具有相似的误差估计 - 约为1 / SQRT（N），其中N是第二个参数。默认值为1000，相当于约3％的误差。如果碰到10000，则误差约为1％。