APPROX_COUNT_DISTINCT 是需兼容级别≥150的近似去重函数,仅在千万行+、高基数、低NULL列上提速;依赖HLL++结构,误差≤2%,不适用于强一致场景。

APPROX_COUNT_DISTINCT 不是开关式功能,它本身就是一个函数——启用它的前提是数据库环境已满足硬性条件,否则调用即报错或反向拖慢查询。
APPROX_COUNT_DISTINCT 要求的兼容级别必须 ≥ 150
SQL Server 2019 默认新建数据库兼容级别是 150,但升级上来的旧库大概率仍是 140 或更低。不改这个,函数名直接被识别为非法:
- 执行
APPROX_COUNT_DISTINCT(user_id)会报错:'APPROX_COUNT_DISTINCT' is not a recognized built-in function name - 必须显式升级兼容级别:
ALTER DATABASE [YourDB] SET COMPATIBILITY_LEVEL = 150;
- 升级后无需重启服务,但需确保当前会话连接的是该库(不是
master等系统库)
只在千万行+、高基数列上才真正提速
APPROX_COUNT_DISTINCT 的加速逻辑依赖 HyperLogLog++ sketch 结构,恒占约 12KB 内存,和数据量无关。但它只在以下场景兑现优势:
- 表行数 ≥ 1000 万,且去重字段(如
user_id)实际唯一值 ≥ 百万级 - 字段 NULL 比例低(
APPROX_COUNT_DISTINCT自动忽略 NULL,但若 WHERE 条件没过滤干净,仍要扫描大量无效行) - 列类型支持:不能是
image、ntext、sql_variant;对varchar(max)或 JSON 字段,得先CAST(col AS VARCHAR(8000))
反例中常见翻车:
- 对只有几十个取值的
status字段用它 → 多一层算法开销,比COUNT(DISTINCT status)还慢 - 表仅几万行 → I/O 和解析耗时远超聚合本身,近似没意义
WHERE 条件写法不当会让加速失效
函数快 ≠ 查询快。如果 WHERE 导致全表扫描,APPROX_COUNT_DISTINCT 就是在“近似地扫全表”:
- 错误写法:
WHERE DATE(oper_time) = '2026-09-10'
→ 时间索引失效,每行都调DATE()函数 - 正确写法:
WHERE oper_time >= '2026-09-10' AND oper_time
→ 可走oper_time索引 - 若查询含
WHERE biz_type = 'login' AND oper_time >= '2026-09-01',但索引只建在(user_id)上 → 无法覆盖,仍要回表
→ 应建联合索引:CREATE INDEX IX_log_time_type ON log_table (biz_type, oper_time) INCLUDE (user_id)
误差控制和适用边界得心里有数
官方保证 97% 概率下误差 ≤ 2%,比如真实值 1 亿,结果通常落在 9800 万~1.02 亿之间。这足够用于 DAU 统计、AB 实验分流比例校验,但:
- 不能用于财务对账、合同数量核验等强一致性场景
- 不支持传入误差精度参数(如
APPROX_COUNT_DISTINCT(col, 0.01)),写了就报错 - 如果字段是
datetime2但业务按天统计,必须先CAST(oper_time AS DATE),否则时间精度拉高基数,误差放大
真正容易被忽略的点是:它不解决数据倾斜,也不替代索引设计。函数只是聚合层的优化,底子歪了,再快的 sketch 也救不回来。










