APPROXIMATE_COUNT_DISTINCT_SYNOPSIS_MERGE

将多个概要聚合成一个新的概要。此函数类似于 APPROXIMATE_COUNT_DISTINCT_OF_SYNOPSIS，但返回一个概要而不是数量估计。此函数的优势是其在调用 APPROXIMATE_COUNT_DISTINCT_OF_SYNOPSIS 时加快了最终估计。

例如，如果您需要在较长一段时间（例如几年）内定期估计不同用户的数量，您可以将天数的概要预先累积到一个一年的概要中。

行为类型

不可变

语法

APPROXIMATE_COUNT_DISTINCT_SYNOPSIS_MERGE ( synopsis-obj [, error‑tolerance] )

参数

synopsis-obj

可以评估为一个或多个概要的表达式。通常，synopsis-obj 由 APPROXIMATE_COUNT_DISTINCT 或 APPROXIMATE_COUNT_DISTINCT_SYNOPSIS_MERGE 函数生成为二进制字符串，并存储在类型为 VARBINARY 或 LONG VARBINARY 的表列中。

error‑tolerance

表示所需容错百分比的数字值，分布在此函数返回的值周围。容错值越小，近似值越接近实际值。

您可以将 error‑tolerance 设置为最小值 0.88。Vertica 不实施最大值限制，但大于 5 的任何值都以 5% 的容错实现。

如果省略此实参，则 Vertica 将使用 1.25(%) 的容错率。

有关更多详细信息，请参阅 APPROXIMATE_COUNT_DISTINCT。

示例

请参阅近似计数区分函数。