跳到主要内容
跳到主要内容

SAMPLE 子句

SAMPLE 子句允许进行近似的 SELECT 查询处理。

当启用数据采样时,查询并不是在所有数据上执行,而只是在一定比例的数据(样本)上执行。例如,如果您需要计算所有访问的统计信息,仅需在所有访问的十分之一上执行查询,然后将结果乘以 10。

近似查询处理在以下情况下可能会很有用:

  • 当您有严格的延迟要求(如低于 100ms),但无法证明为满足这些要求而增加额外硬件资源的成本是合理的。
  • 当您的原始数据不准确时,因此近似不会明显降低质量。
  • 业务需求针对近似结果(为了成本效益,或将精确结果市场化给高级用户)。
备注

您只能在 MergeTree 家族的表中使用采样,并且只有在创建表时指定了采样表达式的情况下(参见 MergeTree 引擎)。

数据采样的特性如下所示:

  • 数据采样是一个确定性机制。相同的 SELECT .. SAMPLE 查询的结果始终相同。
  • 在不同的表上采样的一致性。有单一采样键的表,对于相同系数的样本总是选择相同的可能数据子集。例如,用户 ID 的样本从不同表中获取相同子集的所有可能用户 ID 的行。这意味着您可以在 IN 子句中使用样本进行子查询。此外,您可以使用 JOIN 子句连接样本。
  • 采样允许从磁盘中读取更少的数据。请注意,您必须正确指定采样键。有关更多信息,请参阅 创建 MergeTree 表

对于 SAMPLE 子句,支持以下语法:

SAMPLE 子句语法描述
SAMPLE k这里的 k 是从 0 到 1 的数字。查询在 k 比例的数据上执行。例如,SAMPLE 0.1 在 10% 的数据上运行查询。 了解更多
SAMPLE n这里的 n 是一个够大的整数。查询在至少 n 行的样本上执行(但不会显著超过这个数字)。例如,SAMPLE 10000000 在至少 10,000,000 行的数据上运行查询。 了解更多
SAMPLE k OFFSET m这里的 km 是从 0 到 1 的数字。查询在 k 比例的数据样本上执行。用于样本的数据由 m 比例偏移。 了解更多

SAMPLE K

这里的 k 是从 0 到 1 的数字(支持小数和小数点表示法)。例如,SAMPLE 1/2SAMPLE 0.5

SAMPLE k 子句中,样本来自 k 比例的数据。下面是示例:

在这个例子中,查询在 0.1 (10%)的数据样本上执行。聚合函数的值不会自动调整,因此为了获得近似结果,需将 count() 的值手动乘以 10。

SAMPLE N

这里的 n 是一个足够大的整数。例如,SAMPLE 10000000

在这种情况下,查询在至少 n 行的样本上执行(但不会显著超过这个数字)。例如,SAMPLE 10000000 在至少 10,000,000 行的数据上运行查询。

由于读取数据的最小单元是一个颗粒(其大小由 index_granularity 设置确定),因此设置一个远大于颗粒大小的样本是有意义的。

使用 SAMPLE n 子句时,您不知道处理了哪个相对数据的百分比。因此,您不知道聚合函数应该乘以的系数。使用 _sample_factor 虚拟列获取近似结果。

_sample_factor 列包含动态计算的相对系数。此列在您 创建 表时自动生成,并指定了采样键。以下是使用 _sample_factor 列的示例。

让我们考虑表 visits,它包含有关网站访问的统计信息。第一个示例展示了如何计算页面浏览量:

下一个示例展示了如何计算访问的总数:

下面的示例展示了如何计算平均会话持续时间。请注意,您在计算平均值时无需使用相对系数。

SAMPLE K OFFSET M

这里的 km 是从 0 到 1 的数字。下面是示例。

示例 1

在这个例子中,样本是所有数据的 1/10:

[++------------]

示例 2

在这里,从数据的后半部分取样 10%。

[------++------]