BigQuery COUNT（DISTINCT 值）与 COUNT（值）

Question

我在 bigquery 中发现了一个小故障/错误。 我们得到了一张基于银行统计数据的表格 starsschema.net:clouddb:bank.Banks_token

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 9513 行，我怎么能得到 9903 行，比表中的行数多 390 行。

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）。但请注意，使用较大的阈值可能会导致性能损失。

在此处查看完整的文档： https://developers.google.com/bigquery/docs/query-reference#aggfunctions

---

2017 年更新：

使用 BigQuery #standardSQL COUNT(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？ See this article.

Answer 2

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

在这里找到：https://cloud.google.com/bigquery/query-reference#aggfunctions