SQL 随机抽样的总结

对于SQL 随机抽样我们常想到的就是newid()，但如果对于一个在百万、千万甚至更大海量数据表中抽样的话，简单的newid()，其性能，效率就不是很理想了。所以在这里有必要讨论一下，择优而用。

 

long_goods是一个百万数据的表，Ctrl+L执行以下语句:

 

--id_index是我为主键加的一个非聚焦索引

SELECT top 1  * FROM long_goods order by newid()

--查询开销 43%

SELECT top 1  * FROM long_goods with(index=id_index) order by newid()

--查询开销 54%

select top 1 * from long_goods where id=(select top 1 id from long_goods order by newid())

--查询开销 1%

select top 1 * from long_goods where id=(select top 1 id from long_goods with(index=id_index) order by newid())

--查询开销 1%

 

虽然第三个与第四个的开销是一样，但实际应该是第四种优于第三种。

 

如果MS SQL2005升级到支持 TABLESAMPLE 的话，以下语句的抽样执行效率可为最优的

SELECT * FROM long_goods TABLESAMPLE SYSTEM (10 PERCENT)

 

呵呵..下班了，至于其中原因，下次有空再续.