COUNT(DISTINCT) 太慢时的三条近似路线 RSS

精确去重计数在大表上代价高，但不是所有场景都需要精确。Elizabeth Garrett Christensen 对比三条路：TABLESAMPLE 取样 10% 只要 217 毫秒，但去重计数高估约 730%；postgresql-hll 的 HyperLogLog 用时 320 毫秒、误差 0.6%，草图可合并，预聚合后查七日去重用户只要 4 毫秒；DataSketches 的 CPC 误差 1.1%。财务与合规仍应走精确值。

发布于 2026-09-10T10:59:47.189753Z · Elizabeth Garrett Christensen · Snowflake 工程博客

HyperLogLog 性能 近似统计

精确去重计数在大表上代价高，但不是所有场景都需要精确。Elizabeth Garrett Christensen 对比三条路：TABLESAMPLE 取样 10% 只要 217 毫秒，但去重计数高估约 730%；postgresql-hll 的 HyperLogLog 用时 320 毫秒、误差 0.6%，草图可合并，预聚合后查七日去重用户只要 4 毫秒；DataSketches 的 CPC 误差 1.1%。财务与合规仍应走精确值。

精确去重计数在大表上代价高，但不是所有场景都需要精确。Elizabeth Garrett Christensen 对比三条路：TABLESAMPLE 取样 10% 只要 217 毫秒，但去重计数高估约 730%；postgresql-hll 的 HyperLogLog 用时 320 毫秒、误差 0.6%，草图可合并，预聚合后查七日去重用户只要 4 毫秒；DataSketches 的 CPC 误差 1.1%。财务与合规仍应走精确值。

原始来源 ↗

来源记录

• center.info_item · 52a031624ab8e956 · 2026-10-03T04:08:35.169032Z
• pgweb.info_item · 52a031624ab8e956 · 2026-10-03T04:08:55.967155Z