APPROX_COUNT_DISTINCT() é uma das novas funções introduzidas no SQL Server 2019. Essa função retorna o número aproximado de valores não nulos exclusivos em um grupo. Basicamente, você pode usá-lo para obter uma ideia aproximada do número de linhas não duplicadas em uma tabela grande ou conjunto de resultados. Funciona de forma semelhante ao
COUNT_BIG() e COUNT() funções (ao usar o DISTINCT cláusula), mas retorna um número aproximado em vez de um número preciso. APPROX_COUNT_DISTINCT() destina-se principalmente a cenários de big data. Ele foi projetado para acessar grandes conjuntos de dados com mais de um milhão de linhas e agregar uma coluna ou colunas com muitos valores distintos. Destina-se a cenários em que a capacidade de resposta é mais crítica do que a precisão absoluta. A Microsoft afirma que a implementação da função garante uma taxa de erro de até 2% dentro de uma probabilidade de 97%.
No momento da escrita,
APPROX_COUNT_DISTINCT() é um recurso de visualização pública. Foi introduzido no SQL Server 2019, que também está atualmente em status de visualização. Observe que a Microsoft afirma que os recursos de visualização não se destinam ao uso em produção.
Sintaxe
A sintaxe fica assim:
APPROX_COUNT_DISTINCT ( expression )
A expressão pode ser de qualquer tipo, exceto imagem , sql_variant , ntext , ou texto .
Exemplo 1 – COUNT() vs APPROX_COUNT_DISTINCT
Aqui está um exemplo básico comparando
COUNT() com APPROX_COUNT_DISTINCT() :USE WideWorldImporters; SELECT COUNT(OrderLineId) 'Actual Count', COUNT(DISTINCT OrderLineId) 'Actual Distinct Count', APPROX_COUNT_DISTINCT(OrderLineId) 'Approx Distinct Count' FROM Sales.OrderLines;
Resultado:
+----------------+-------------------------+-------------------------+ | Actual Count | Actual Distinct Count | Approx Distinct Count | |----------------+-------------------------+-------------------------| | 231412 | 231412 | 238493 | +----------------+-------------------------+-------------------------+
Nesse caso, a contagem real e a contagem distinta real são as mesmas (isso significa apenas que não havia duplicatas no OrderLineId coluna).
No entanto, vemos que
APPROX_COUNT_DISTINCT() retornou um valor diferente. Isso é esperado, pois retorna apenas uma aproximação. Exemplo 2 – Um número menor
Neste exemplo, especifico uma coluna diferente ( Descrição ) contar:
SELECT COUNT(Description) 'Actual Count', COUNT(DISTINCT Description) 'Actual Distinct Count', APPROX_COUNT_DISTINCT(Description) 'Approx Distinct Count' FROM Sales.OrderLines;
Resultado:
+----------------+-------------------------+-------------------------+ | Actual Count | Actual Distinct Count | Approx Distinct Count | |----------------+-------------------------+-------------------------| | 231412 | 227 | 226 | +----------------+-------------------------+-------------------------+
Nesse caso, a contagem real e a contagem distinta real são diferentes. Isso ocorre porque a Descrição coluna contém muitos valores duplicados.
Podemos ver que
APPROX_COUNT_DISTINCT() ainda retornou um valor diferente, mas está bem próximo. Como mencionado,
APPROX_COUNT_DISTINCT() destina-se principalmente a conjuntos de resultados maiores. Conjuntos de resultados menores, como os aqui, são executados rapidamente, independentemente de qual função eu uso. Verifique o tipo de dados
APPROX_COUNT_DISTINCT() retorna seu resultado como um bigint , então, nesse sentido, é mais semelhante a COUNT_BIG() do que para COUNT() (que retorna um int ). Mas vamos confirmar que:EXEC sp_describe_first_result_set N'SELECT APPROX_COUNT_DISTINCT(OrderLineId) FROM Sales.OrderLines', null, 0;
Resultado (usando saída vertical):
is_hidden | 0 column_ordinal | 1 name | NULL is_nullable | 1 system_type_id | 127 system_type_name | bigint max_length | 8 precision | 19 scale | 0 collation_name | NULL user_type_id | NULL user_type_database | NULL user_type_schema | NULL user_type_name | NULL assembly_qualified_type_name | NULL xml_collection_id | NULL xml_collection_database | NULL xml_collection_schema | NULL xml_collection_name | NULL is_xml_document | 0 is_case_sensitive | 0 is_fixed_length_clr_type | 0 source_server | NULL source_database | NULL source_schema | NULL source_table | NULL source_column | NULL is_identity_column | 0 is_part_of_unique_key | NULL is_updateable | 0 is_computed_column | 0 is_sparse_column_set | 0 ordinal_in_order_by_list | NULL order_by_is_descending | NULL order_by_list_length | NULL tds_type_id | 38 tds_length | 8 tds_collation_id | NULL tds_collation_sort_id | NULL
Podemos ver que system_type_name é grande . Isso nos diz que nossa consulta retorna seus resultados como um bigint tipo de dados, como esperado. O max_length e precisão os valores também são consistentes com o bigint tipo de dados.
