hll_merge()

Gilt für: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

Führt HLL-Ergebnisse zusammen. Dies ist die skalare Version der Aggregatversion hll_merge().

Lesen Sie den zugrunde liegenden Algorithmus (HyperLogL og Log) und die Schätzgenauigkeit.

Wichtig

Die Ergebnisse von hll(), hll_if() und hll_merge() können gespeichert und später abgerufen werden. Sie können z. B. eine tägliche eindeutige Benutzerzusammenfassung erstellen, die dann zum Berechnen der wöchentlichen Anzahl verwendet werden kann. Die genaue binäre Darstellung dieser Ergebnisse kann sich jedoch im Laufe der Zeit ändern. Es gibt keine Garantie dafür, dass diese Funktionen identische Ergebnisse für identische Eingaben erzeugen, und daher raten wir nicht davon ab, darauf zu vertrauen.

Syntax

hll_merge(Hll, hll2, [ hll3, ... ])

Erfahren Sie mehr über Syntaxkonventionen.

Parameter

Name	Type	Erforderlich	Beschreibung
hll, hll2, ...	string	✔️	Die Spaltennamen, die HLL-Werte enthalten, die zusammengeführt werden sollen. Die Funktion erwartet zwischen 2-64 Argumenten.

Gibt zurück

Gibt einen HLL-Wert zurück. Der Wert ist das Ergebnis der Zusammenführung der Spalten hll, hll2, ... hllN.

Beispiele

In diesem Beispiel wird der Wert der zusammengeführten Spalten veranschaulicht.

Abfrage ausführen

range x from 1 to 10 step 1 
| extend y = x + 10
| summarize hll_x = hll(x), hll_y = hll(y)
| project merged = hll_merge(hll_x, hll_y)
| project dcount_hll(merged)

Output

dcount_hll_merged
20

Schätzgenauigkeit

Diese Funktion verwendet eine Variante des HyperLogLog (HLL)-Algorithmus, der eine stochastische Schätzung der Set-Kardinalität durchführt. Der Algorithmus stellt einen „Knopf“ bereit, über den Genauigkeit und Ausführungszeit pro Arbeitsspeichergröße ausgeglichen werden können:

Genauigkeit	Fehler (%)	Entry count
0	1.6	212
1	0,8	214
2	0,4	216
3	0.28	217
4	0.2	218

Hinweis

Die Spalte „entry count“ ist die Anzahl von 1-Byte-Leistungsindikatoren in der HLL-Implementierung.

Der Algorithmus enthält einige Vorkehrungen für eine perfekte Anzahl (null Fehler), wenn die festgelegte Kardinalität klein genug ist:

• Wenn die Genauigkeitsgrad 1 ist, werden 1.000 Werte zurückgegeben.
• Wenn die Genauigkeitsgrad 2 ist, werden 8.000 Werte zurückgegeben.

Die Fehlerbindung ist probabilistisch und keine theoretische Grenze. Der Wert ist die Standardabweichung der Fehlerverteilung (Sigma), und 99,7 % der Schätzungen weisen einen relativen Fehler von unter 3 x Sigma auf.

Die folgende Abbildung zeigt die Wahrscheinlichkeitsverteilungsfunktion des relativen Schätzfehlers in Prozent für alle unterstützten Genauigkeitseinstellungen: