MaxCompute:APPROX_DISTINCT

Observações de uso

• O MaxCompute V2.0 oferece novas funções estendidas. Se as funções utilizadas envolverem novos tipos de dados, como TINYINT, SMALLINT, INT, FLOAT, VARCHAR, TIMESTAMP e BINARY, será necessário executar um comando para habilitar a edição de tipos de dados do MaxCompute V2.0:

  • Nível de sessão: Adicione SET odps.sql.type.system.odps2=true; antes da instrução SQL que deseja executar e envie ambas para execução conjunta.

  • Nível de projeto: O proprietário do projeto pode habilitar a edição de tipos de dados do MaxCompute V2.0 conforme as necessidades do projeto. Comando:

    setproject odps.sql.type.system.odps2=true;

    A configuração entra em vigor após 10 a 15 minutos.

    Para mais informações sobre setproject, consulte Comandos de projeto. Para detalhes sobre os cuidados necessários ao habilitar a edição de tipos de dados do MaxCompute V2.0 no nível do projeto, veja Guia de versão de tipos de dados.

• Se você utilizar uma instrução SQL com múltiplas funções de agregação e os recursos do projeto forem insuficientes, pode ocorrer estouro de memória. Recomendamos otimizar a instrução SQL ou adquirir recursos computacionais adicionais, conforme necessário.

Sintaxe

approx_distinct(<colname>)

Parâmetros

colname: obrigatório. Este parâmetro especifica o nome da coluna da qual os valores duplicados devem ser removidos.

Valor retornado

Retorna um valor do tipo BIGINT. Esta função apresenta uma margem de erro de 5%.

Dados de exemplo

CREATE TABLE IF NOT EXISTS emp
   (empno BIGINT,
    ename STRING,
    job STRING,
    mgr BIGINT,
    hiredate DATETIME,
    sal BIGINT,
    comm BIGINT,
    deptno BIGINT);
tunnel upload emp.txt emp;   --Replace emp.txt with the actual path (path and name) to which you upload the data file

7369,SMITH,CLERK,7902,1980-12-17 00:00:00,800,,20
7499,ALLEN,SALESMAN,7698,1981-02-20 00:00:00,1600,300,30
7521,WARD,SALESMAN,7698,1981-02-22 00:00:00,1250,500,30
7566,JONES,MANAGER,7839,1981-04-02 00:00:00,2975,,20
7654,MARTIN,SALESMAN,7698,1981-09-28 00:00:00,1250,1400,30
7698,BLAKE,MANAGER,7839,1981-05-01 00:00:00,2850,,30
7782,CLARK,MANAGER,7839,1981-06-09 00:00:00,2450,,10
7788,SCOTT,ANALYST,7566,1987-04-19 00:00:00,3000,,20
7839,KING,PRESIDENT,,1981-11-17 00:00:00,5000,,10
7844,TURNER,SALESMAN,7698,1981-09-08 00:00:00,1500,0,30
7876,ADAMS,CLERK,7788,1987-05-23 00:00:00,1100,,20
7900,JAMES,CLERK,7698,1981-12-03 00:00:00,950,,30
7902,FORD,ANALYST,7566,1981-12-03 00:00:00,3000,,20
7934,MILLER,CLERK,7782,1982-01-23 00:00:00,1300,,10
7948,JACCKA,CLERK,7782,1981-04-12 00:00:00,5000,,10
7956,WELAN,CLERK,7649,1982-07-20 00:00:00,2450,,10
7956,TEBAGE,CLERK,7748,1982-12-30 00:00:00,1300,,10

Exemplos

• Exemplo 1: Calcular o número aproximado de valores distintos na coluna sal. Comando de exemplo:

  select approx_distinct(sal) from emp;

  O seguinte resultado é retornado:

  +-------------------+
  | numdistinctvalues |
  +-------------------+
  | 12                |
  +-------------------+

• Exemplo 2: Usar esta função com GROUP BY para agrupar todos os funcionários por departamento (deptno) e calcular o número aproximado de valores distintos na coluna sal. Comando de exemplo:

  select deptno, approx_distinct(sal) from emp group by deptno;

  O seguinte resultado é retornado:

  +------------+-------------------+
  | deptno     | numdistinctvalues |
  +------------+-------------------+
  | 10         | 3                 |
  | 20         | 4                 |
  | 30         | 5                 |
  +------------+-------------------+

Funções relacionadas

APPROX_DISTINCT é uma função de agregação. Para mais informações sobre funções usadas para calcular a média de múltiplos registros de entrada e agregar parâmetros, consulte Visão geral das funções de agregação.