TableSample 选取样本数据

SQL Server 2005引进了一个新的特性TABLESAMPLE从现有的表中随机取出一些样本数据，既可以指定行数，

也可以指定百分比。如：
SELECT *
FROM Performance.dbo.Orders TABLESAMPLE (1000 ROWS);

 

SELECT *
FROM dbo.Orders TABLESAMPLE (0.1 PERCENT);

 

但是值得注意的是，并不代表精确地返回所指定的行数。因为随机选取的单位是数据页，
所以上面指定返回1000行，有可能返回800,900,1200都是有可能的。
如果需要指定准确的行数，可以先随机选取更多的数据，然后再利用TOP关键字，如：
SELECT TOP(1000) *
FROM dbo.Orders TABLESAMPLE (2000 ROWS);

如果需要返回同样的样本数据，使用REPEATABLE关键字，指定某一特定种子，那么
多次执行该条语句返回的样本数据都是一样的。如：
SELECT *
FROM dbo.Orders TABLESAMPLE (1000 ROWS) REPEATABLE(40);

 

TABLESAMPLE的具体算法
如A表有100行，有3个数据页，分别有数据 18,32,50。假设指定选取2行数据，系统首先会
计算出页面选取概率，算法为：2/100 = 1/50。很容易能计算出，该条语句不返回任何行的
概率为 (1 - 1/50) ^ 3  = 94%。返回18行的概率为 (1 - 1/50) * 1/50 * 1/50 =3.92%。同理
可算出其他。可见TABLESAMPLE不适宜选取少量数据。

如果需要选取少量数据，可用下面方法：
SELECT TOP(n) *
FROM dbo.Orders
ORDER BY NEWID();
注意：该种方法要慢很多。

转载于:https://www.cnblogs.com/lizhe88/archive/2011/02/11/1951217.html