SAMPLE / TABLESAMPLE¶

構文¶

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

条件：

CopyExpand

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

Show lessSee more

Scroll to top

パラメーター¶

{ BERNOULLI | ROW } または . { SYSTEM | BLOCK }

使用するサンプリング方法を指定します。

• BERNOULLI (または ROW)： 確率が probability / p/100 の各行が含まれます。この方法は、 各行ごとに 加重されたコインを裏返すのと似ています。

• SYSTEM (または BLOCK)： 確率が probability / p/100 の行の各ブロックが含まれます。この方法は、 行のブロックごとに おもりが付いたコインを投げるのに似ています。このメソッドは、固定サイズのサンプリングをサポートしていません。

このサンプリング方法はオプションです。メソッドが指定されていない場合、デフォルトは BERNOULLI です。

probability または . num ROWS

テーブルの一部に基づいてサンプリングするか、テーブルの行の固定数に基づいてサンプリングするかを指定します。条件：

• probability は、サンプルの選択に使用する確率のパーセンテージを指定します。0 （行が選択されていない）から 100 （すべての行が選択されている）までの10進数を指定できます。

• num は、テーブルからサンプリングする行の数（最大1、000、000）を指定します。0 （行が選択されていない）から 1000000 までの任意の整数を指定できます。

リテラルを使用して probability または num ROWS を指定することに加えて、セッション変数またはバインド変数も使用できます。

{ REPEATABLE | SEED ( seed ) }

サンプリングを決定的にするシード値を指定します。0 から 2147483647 までの任意の整数を指定できます。このパラメータは SYSTEM と BLOCK のサンプリングにのみ適用されます。

リテラルを使用して seed を指定することに加えて、セッション変数またはバインド変数も使用できます。

使用上の注意¶

• 次のキーワードは同じ意味で使用できます。

  • SAMPLE および TABLESAMPLE

  • BERNOULLI および ROW

  • SYSTEM および BLOCK

  • REPEATABLE および SEED

• 返される行の数は、指定されたサンプリング方法と、サンプルのベースがテーブルの一部であるかテーブルの固定行数であるかによって異なります。

  分数ベース:

  • :code:`BERNOULLI`または:code:`ROW`サンプリングの場合、返される行の予想数は``(p/100)*n``です。:code:`SYSTEM`または:code:`BLOCK`サンプリングの場合、特に小さなテーブルではサンプルにバイアスがかかる可能性があります。

    注釈

    非常に大きなテーブルの場合、2つの方法の違いはごくわずかです。

    また、サンプルは確率的な処理であるため、返される行の数は (p/100)*n 行と完全に等しいわけではありませんが、この値に近くなります。

  • seed が指定されていない場合、同じクエリが繰り返されると SAMPLE は異なる結果を生成します。

  • テーブルが変更されず、同じ seed と probability が指定された場合、SAMPLE は同じ結果を生成します。ただし、同じ probability と seed が指定されている場合でも、テーブルのコピーでのサンプリングが元のテーブルでのサンプリングと同じ結果を返さない可能性があります。

  固定サイズ:

  • テーブルが要求された行数よりも大きい場合、要求された行数が常に返されます。

  • テーブルが要求された行数よりも小さい場合、テーブル全体が返されます。

  • :code:`SYSTEM`または:code:`BLOCK`サンプリングを使用する場合、Snowflakeは個々の行ではなく、ストレージレベルの単位でデータをサンプリングします。ほとんどの場合、ブロックは単一のマイクロパーティションに対応します。

    比較的少ないマイクロパーティションを持つ非常に小さなテーブルの場合、サンプリングは完全なマイクロパーティションよりも細かい粒度で動作します。このような場合、ブロックはマイクロパーティションにまたがる可能性のある行のサブセットを表します。その結果、テーブルに含まれるマイクロパーティションが少数の場合でも、返されるサンプルは要求された割合をより厳密に反映します。

  • 固定サイズのサンプリングでは、SYSTEM、BLOCK、および:samp:`SEED ({seed})`はサポートされていません。たとえば、次のクエリはエラーを生成します。

    CopyExpand

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

    Show lessSee more

    Scroll to top

• ビューまたはサブクエリでは、 SEED (seed) によるサンプリングはサポートされていません。例えば、次のクエリはエラーを生成します。

  CopyExpand

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

  Show lessSee more

  Scroll to top

• 結合結果のサンプリングは許可されていますが、次の 両方 が当てはまる場合のみです。

  • サンプリングは行ベース（Bernoulli）です。

  • サンプリングはシードを使用しません。

  サンプリングは、結合が完全に処理された後に行われます。したがって、サンプリングによって結合する行数が減ることも、結合のコストが減ることもありません。例 セクションには、結合結果をサンプリングする例が含まれています。

• LIMIT 句も SAMPLE 句も、テーブルから行のサブセットを返します。LIMIT 句を使用すると、Snowflakeは指定された行数を可能な限りすばやい方法で返します。SAMPLE 句を使用すると、Snowflakeは句に指定されたサンプリング方法で、行を返します。

パフォーマンスの考慮事項¶

• 多くの場合、:code:`SYSTEM`または:code:`BLOCK`サンプリングは:code:`BERNOULLI`または:code:`ROW`サンプリングよりも高速です。

• 多くの場合、 seed を使用しないサンプリングは、 seed を使用したサンプリングよりも高速です。

• 固定サイズのサンプリングは一部のクエリの最適化を妨げるため、固定サイズのサンプリングは同等の分数ベースのサンプリングよりも遅くなります。

例¶

以下の例では、 SAMPLE 句を使用しています。

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);