Я только что нашел предложение TABLESAMPLE
, но на удивление он не возвращает число строк, которые я указал.TABLESAMPLE возвращает неправильное количество строк?
Таблица, которую я использовал, имеет ~ 14M строк, и мне нужен произвольный образец из 10000 строк.
select * from tabData TABLESAMPLE(10000 ROWS)
Я получаю не 10000, а другое число каждый раз, когда выполняю его (между 8000 и 14000).
Что здесь происходит, я неправильно понял, что цель TABLESAMPLE
?
Edit:
David's link объясняет это довольно хорошо.
Это всегда возвращает 10000 примерно случайных строк эффективным способом:
select TOP 10000 * from tabData TABLESAMPLE(20000 ROWS);
и вариант REPEATABLE
помогает получить всегда то же самое (если данные не изменились)
select TOP 10000 * from tabData TABLESAMPLE(10000 ROWS) REPEATABLE(100);
Поскольку я хотел знаете, стоит ли использовать TABLESAMPLE
с большим количеством строк, чтобы гарантировать (?), что я получаю правильный номер строки, я ее измерил;
1.loop (в 20 раз):
select TOP 10000 * from tabData TABLESAMPLE(10000 ROWS);
(9938 row(s) affected)
(10000 row(s) affected)
(9383 row(s) affected)
(9526 row(s) affected)
(10000 row(s) affected)
(9545 row(s) affected)
(9560 row(s) affected)
(9673 row(s) affected)
(9608 row(s) affected)
(9476 row(s) affected)
(9766 row(s) affected)
(10000 row(s) affected)
(9500 row(s) affected)
(9941 row(s) affected)
(9769 row(s) affected)
(9547 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(9478 row(s) affected)
First batch(only 10000 rows) completed in: 14 seconds!
2.loop (в 20 раз):
select TOP 10000 * from tabData TABLESAMPLE(10000000 ROWS);
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
(10000 row(s) affected)
Second batch(max rows) completed in: 13 seconds!
3.loop: counterscheck со 100% случайных строк с использованием ORDER BY NEWID() :
select TOP 10000 * from tabData ORDER BY NEWID();
(10000 row(s) affected)
Отменено после одного исполнения, которая длилась 23 минут
Заключение:
Так удивительно подход с точным TOP
пункта и большим количеством в TABLESAMPLE
является не медленнее. Следовательно, это очень эффективная альтернатива ORDER BY NEWID()
, если неважно, что строки не являются случайными для каждой строки, а для каждого уровня страницы (каждой странице 8K для таблицы присваивается случайное значение).
Повторяемый параметр не помогает получить 10000 строк. Это гарантирует, что я получаю одинаковый номер каждый раз, когда выполняется запрос (данные unitl не изменились). Во всяком случае, статья объясняет это очень хорошо. Я могу комбинировать его с «TOP'-предложением (f.e 10000), чтобы получить почти 10000 строк. Благодарю. –
Не делает TOP, если результат * меньше *, чем номер TABLESAMPLE. –
@David: Так вы можете получить точный номер с помощью TABLESAMPLE: 'select TOP 10000 * from tabData TABLESAMPLE (20000 ROWS);'. Соответственно отредактировал мой ответ. –