DATASKETCHES_HLL¶

Sintaxe¶

Função de agregação

DATASKETCHES_HLL( [ DISTINCT ] <expr1> [ , <max_log_k> ] )

Função de janela

DATASKETCHES_HLL( [ DISTINCT ] <expr1> [ , <max_log_k> ] )
  OVER ( [ PARTITION BY <expr2> ] )

Argumentos exigidos¶

expr1

A expressão para a qual você deseja saber o número de valores distintos.

Argumentos opcionais¶

max_log_k

O valor máximo, em log2, de K para inicializar o objeto HLL datasketches. Especifique um valor INTEGER entre 4 e 21, inclusive. Para obter mais informações, consulte a documentação do Apache DataSketches.

Padrão: 12

expr2

A expressão opcional usada para agrupar linhas em partições.

Retornos¶

A função retorna um valor do tipo DOUBLE.

Se a entrada estiver vazia, a saída será 0.0.

Notas de uso¶

• DISTINCT é suportado sintaticamente, mas não tem efeito.

• A função aceita argumentos que são valores dos seguintes tipos de dados:

  • Tipos de dados de cadeia de caracteres e binários (por exemplo, VARCHAR e BINARY).

    Por exemplo, há suporte para as seguintes chamadas de função:

    SELECT DATASKETCHES_HLL_ACCUMULATE(1::TEXT);
    

    Copy

    SELECT DATASKETCHES_HLL_ACCUMULATE(TO_BINARY(HEX_ENCODE(1), 'HEX'));
    

    Copy

  • Tipos de dados para números de ponto flutuante (por exemplo, FLOAT e DOUBLE)

    A biblioteca DataSketches converte esses valores em valores DOUBLE.

  • Tipos de dados para números de ponto fixo (por exemplo, INTEGER e NUMERIC).

    A função só é compatível com tipos numéricos com uma escala de 0. No entanto, você pode converter valores numéricos com uma escala diferente de 0 em tipos de dados para um número de ponto flutuante.

    A biblioteca DataSketches converte esses valores no intervalo de um valor INTEGER assinado de 64 bits para um valor INTEGER assinado de 64 bits.

    A biblioteca DataSketches não converte diretamente os valores INTEGER que excedem o intervalo INTEGER assinado de 64 bits (como valores inteiros de 128 bits). No entanto, o Snowflake ainda é compatível com esses valores, convertendo-os automaticamente em valores de DOUBLE, que são compatíveis com DataSketches. Esse comportamento é idêntico ao comportamento da biblioteca datasketches-python.

  Não há suporte para valores de outros tipos de dados. Por exemplo, os valores VARIANT e ARRAY não são compatíveis.

• Para obter mais informações sobre valores NULL e funções agregadas, consulte Funções de agregação e valores NULL.

• Quando essa função é chamada como uma função de janela, ela não é compatível:

  • Uma cláusula ORDER BY dentro da cláusula OVER.

  • Quadros de janela explícitos.

Exemplos¶

Criar uma tabela e inserir valores:

CREATE OR REPLACE TABLE datasketches_demo(v INT, g INT);

INSERT INTO datasketches_demo SELECT 1, 1;
INSERT INTO datasketches_demo SELECT 2, 1;
INSERT INTO datasketches_demo SELECT 2, 1;
INSERT INTO datasketches_demo SELECT 2, 1;
INSERT INTO datasketches_demo SELECT 1, 2;
INSERT INTO datasketches_demo SELECT 1, 2;
INSERT INTO datasketches_demo SELECT 4, 2;
INSERT INTO datasketches_demo SELECT 4, 2;
INSERT INTO datasketches_demo SELECT 5, 2;

Os exemplos a seguir usam os dados da tabela.

SELECT g,
       DATASKETCHES_HLL(v),
       COUNT(DISTINCT v)
  FROM datasketches_demo GROUP BY g;

+---+---------------------+-------------------+
| G | DATASKETCHES_HLL(V) | COUNT(DISTINCT V) |
|---+---------------------+-------------------|
| 1 |         2.000000005 |                 2 |
| 2 |         3.000000015 |                 3 |
+---+---------------------+-------------------+

SELECT DATASKETCHES_HLL(v),
       COUNT(DISTINCT v)
  FROM datasketches_demo;

+---------------------+-------------------+
| DATASKETCHES_HLL(V) | COUNT(DISTINCT V) |
|---------------------+-------------------|
|          4.00000003 |                 4 |
+---------------------+-------------------+