BigQuery计数(DISTINCT值)与计数(值)

Question

我在bigquery中发现了一个小故障/bug。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;

我得到了以下结果：

Row totalrow    bankidcnt    
1   9513    9903    

我的问题是，如果我有9513row，我怎么能得到9903row，这比表中的行数多了390row。

Answer 1

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

您可以提供一个可选的第二个参数来指定使用近似值的阈值。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(因为实际行数小于10000)。但是，请注意，使用较大的阈值可能会在性能方面付出高昂的代价。

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

更新2017：

使用BigQuery # COUNT(DISTINCT)时，With始终是精确的。若要获得近似结果，请使用APPROX_COUNT_DISTINCT()。为什么会有人使用近似的结果？See this article。

Answer 2

我已经使用EXACT_COUNT_DISTINCT()作为一种方法来获得确切的唯一计数。它比COUNT(DISTINCT值，n> numRows)更简洁、更通用

点击此处：https://cloud.google.com/bigquery/query-reference#aggfunctions