SAMPLE / TABLESAMPLE¶

Syntax¶

SELECT ...
FROM ...
  { SAMPLE | TABLESAMPLE } [ samplingMethod ]
[ ... ]

Wobei:

samplingMethod ::= { { BERNOULLI | ROW } ( { <probability> | <num> ROWS } ) |
                     { SYSTEM | BLOCK } ( <probability> ) [ { REPEATABLE | SEED } ( <seed> ) ] }

Copy

Parameter¶

{ BERNOULLI | ROW } oder . { SYSTEM | BLOCK }

Gibt die zu verwendende Samplingmethode an:

• BERNOULLI (oder ROW): Enthält jede Zeile mit einer probability von p/100. Diese Methode ist vergleichbar mit dem Werfen einer gewichteten Münze für jede Zeile.

• SYSTEM (oder BLOCK): Beinhaltet jeden Block von Zeilen mit einer probability von p/100. Diese Methode ist vergleichbar mit dem Werfen einer gewichteten Münze für jeden Block von Zeilen. Diese Methode unterstützt keine Sampling mit fester Größe.

Die Samplingmethode ist optional. Wenn keine Methode angegeben ist, lautet der Standardwert BERNOULLI.

probability oder . num ROWS

Gibt an, ob das Sampling für einen Teil der Tabelle oder eine feste Anzahl von Zeilen in der Tabelle ausgeführt werden soll, wobei gilt:

• probability gibt die prozentuale Wahrscheinlichkeit für die Auswahl der Stichprobe an. Es kann sich um eine beliebige Dezimalzahl zwischen 0 (keine Zeilen ausgewählt) und 100 (alle Zeilen ausgewählt) inklusive handeln.

• num gibt die Anzahl der Zeilen (bis zu 1.000.000) an, die aus der Tabelle in die Stichprobe aufgenommen werden sollen. Kann eine beliebige ganze Zahl zwischen 0 (keine Zeilen ausgewählt) und 1000000 inklusive sein.

Neben der Verwendung von Literalen zur Angabe von probability oder num ROWS können Sie auch Sitzungs- oder Bindungsvariablen verwenden.

{ REPEATABLE | SEED ( seed ) }

Gibt einen Startwert an, um das Samplingverfahren deterministisch zu gestalten. Kann eine beliebige ganze Zahl zwischen 0 und 2147483647 inklusive sein. Dieser Parameter gilt nur für das SYSTEM- und BLOCK-Sampling.

Neben der Verwendung von Literalen zur Angabe von seed können Sie auch Sitzungs- oder Bindungsvariablen verwenden.

Nutzungshinweise¶

• Die folgenden Schlüsselwörter können austauschbar verwendet werden:

  • SAMPLE | TABLESAMPLE

  • BERNOULLI | ROW

  • SYSTEM | BLOCK

  • REPEATABLE | SEED

• Die Anzahl der zurückgegebenen Zeilen hängt von der angegebenen Samplingmethode ab:

  Bruchbasiert:

  • Bei BERNOULLI | ROW-Sampling ist die erwartete Anzahl der zurückgegebenen Zeilen gleich (p/100)*n. Bei SYSTEM | BLOCK-Sampling kann die Stichprobe verzerrt sein, insbesondere bei kleinen Tabellen.

    Bemerkung

    Bei sehr großen Tabellen sollte der Unterschied zwischen den beiden Methoden vernachlässigbar sein.

    Da Sampling ein probabilistischer Prozess ist, ist die Anzahl der zurückgegebenen Zeilen nicht genau gleich (p/100)*n Zeilen, nähert sich dem Wert aber an.

  • Wenn seed angegeben ist, generiert SAMPLE bei Wiederholung der gleichen Abfrage andere Ergebnisse.

  • Wenn sich eine Tabelle nicht ändert und die gleichen Werte für seed (Startwert) und probability (Wahrscheinlichkeit) angegeben sind, generiert SAMPLE dasselbe Ergebnis. Das Sampling auf der Kopie einer Tabelle liefert möglicherweise jedoch nicht das gleiche Ergebnis wie das Sampling für die Originaltabelle, auch wenn die gleichen Werte für probability (Wahrscheinlichkeit) und seed (Startwert) angegeben sind.

  Feste Größe:

  • Wenn die Tabelle größer ist als die angeforderte Anzahl von Zeilen, wird immer die Anzahl der angeforderten Zeilen zurückgegeben.

  • Wenn die Tabelle kleiner ist als die angeforderte Anzahl von Zeilen, wird die gesamte Tabelle zurückgegeben.

  • SYSTEM | BLOCK und SEED (seed) werden für Sampling mit fester Größe nicht unterstützt. Beispielsweise führen folgende Abfragen zu Fehlern:

    SELECT * FROM example_table SAMPLE SYSTEM (10 ROWS);
    
    SELECT * FROM example_table SAMPLE ROW (10 ROWS) SEED (99);
    

    Copy

• Unterabfrage Sampling mit SEED (seed) wird für Ansichten oder Unterabfragen nicht unterstützt. Beispielsweise erzeugt die folgende Abfrage einen Fehler:

  SELECT * FROM (SELECT * FROM example_table) SAMPLE (1) SEED (99);
  

  Copy

• Sampling des Ergebnisses einer Verknüpfung ist zulässig, aber nur, wenn alle der folgenden Punkte zutreffen:

  • Die Stichprobe ist zeilenbasiert (Bernoulli).

  • Beim Sampling wird kein Startwert verwendet.

  Das Sampling wird durchgeführt, nachdem der Join vollständig verarbeitet wurde. Daher werden durch das Sampling die Anzahl der verknüpften Zeilen und die Kosten für die Verknüpfung nicht verringert. Der Abschnitt Beispiele enthält ein Beispiel für das Sampling des Ergebnisses einer Verknüpfung.

• Sowohl die LIMIT-Klausel als auch die SAMPLE-Klausel geben eine Teilmenge von Zeilen aus einer Tabelle zurück. Wenn Sie die LIMIT-Klausel verwenden, gibt Snowflake die angegebene Anzahl von Zeilen auf schnellstmögliche Weise zurück. Wenn Sie die SAMPLE-Klausel verwenden, gibt Snowflake Zeilen auf der Grundlage der in der Klausel angegebenen Samplingmethode zurück.

Hinweise zur Performance¶

• Das SYSTEM | BLOCK-Sampling ist oft schneller als das BERNOULLI | ROW-Sampling.

• Sampling ohne seed (Startwert) wird oft schneller ausgeführt als Sampling mit seed (Startwert).

• Sampling mit fester Größe könnte langsamer sein als äquivalentes bruchbasiertes Sampling, da Sampling mit fester Größe die Abfrageoptimierung zum Teil verhindert.

Beispiele¶

Die folgenden Beispiele verwenden die SAMPLE-Klausel.

SELECT * FROM testtable SAMPLE (10);

SELECT * FROM testtable TABLESAMPLE BERNOULLI (20.3);

SELECT * FROM testtable TABLESAMPLE (100);

SELECT * FROM testtable SAMPLE ROW (0);

SELECT i, j
  FROM
    table1 AS t1 SAMPLE (25)
      INNER JOIN
    table2 AS t2 SAMPLE (50)
  WHERE t2.j = t1.i;

SELECT i, j
  FROM table1 AS t1 INNER JOIN table2 AS t2 SAMPLE (50)
  WHERE t2.j = t1.i;

SELECT *
  FROM (
       SELECT *
         FROM t1 JOIN t2
           ON t1.a = t2.c
       ) SAMPLE (1);

SELECT * FROM testtable SAMPLE SYSTEM (3) SEED (82);

SELECT * FROM testtable SAMPLE BLOCK (0.012) REPEATABLE (99992);

SELECT * FROM testtable SAMPLE (10 ROWS);