mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-14 10:22:10 +00:00
113 lines
5.3 KiB
Markdown
113 lines
5.3 KiB
Markdown
---
|
||
sidebar_label: SAMPLE
|
||
---
|
||
|
||
# 采样子句 {#select-sample-clause}
|
||
|
||
该 `SAMPLE` 子句允许近似于 `SELECT` 查询处理。
|
||
|
||
启用数据采样时，不会对所有数据执行查询，而只对特定部分数据（样本）执行查询。 例如，如果您需要计算所有访问的统计信息，只需对所有访问的1/10分数执行查询，然后将结果乘以10即可。
|
||
|
||
近似查询处理在以下情况下可能很有用:
|
||
|
||
- 当你有严格的时间需求（如\<100ms），但你不能通过额外的硬件资源来满足他们的成本。
|
||
- 当您的原始数据不准确时，所以近似不会明显降低质量。
|
||
- 业务需求的目标是近似结果（为了成本效益，或者向高级用户推销确切结果）。
|
||
|
||
!!! note "注"
|
||
您只能使用采样中的表 [MergeTree](../../../engines/table-engines/mergetree-family/mergetree.md) 族，并且只有在表创建过程中指定了采样表达式（请参阅 [MergeTree引擎](../../../engines/table-engines/mergetree-family/mergetree.md#table_engine-mergetree-creating-a-table)).
|
||
|
||
下面列出了数据采样的功能:
|
||
|
||
- 数据采样是一种确定性机制。 同样的结果 `SELECT .. SAMPLE` 查询始终是相同的。
|
||
- 对于不同的表，采样工作始终如一。 对于具有单个采样键的表，具有相同系数的采样总是选择相同的可能数据子集。 例如，用户Id的示例采用来自不同表的所有可能的用户Id的相同子集的行。 这意味着您可以在子查询中使用采样 [IN](../../../sql-reference/operators/in.md) 此外，您可以使用 [JOIN](../../../sql-reference/statements/select/join.md) 。
|
||
- 采样允许从磁盘读取更少的数据。 请注意，您必须正确指定采样键。 有关详细信息，请参阅 [创建MergeTree表](../../../engines/table-engines/mergetree-family/mergetree.md#table_engine-mergetree-creating-a-table).
|
||
|
||
为 `SAMPLE` 子句支持以下语法:
|
||
|
||
| SAMPLE Clause Syntax | 产品描述 |
|
||
|----------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|
||
| `SAMPLE k` | 这里 `k` 是从0到1的数字。<br/>查询执行于 `k` 数据的分数。 例如, `SAMPLE 0.1` 对10%的数据运行查询。 [Read more](#select-sample-k) |
|
||
| `SAMPLE n` | 这里 `n` 是足够大的整数。<br/>该查询是在至少一个样本上执行的 `n` 行（但不超过这个）。 例如, `SAMPLE 10000000` 在至少10,000,000行上运行查询。 [Read more](#select-sample-n) |
|
||
| `SAMPLE k OFFSET m` | 这里 `k` 和 `m` 是从0到1的数字。<br/>查询在以下示例上执行 `k` 数据的分数。 用于采样的数据由以下偏移 `m` 分数。 [Read more](#select-sample-offset) |
|
||
|
||
## SAMPLE K {#select-sample-k}
|
||
|
||
这里 `k` 从0到1的数字（支持小数和小数表示法）。 例如, `SAMPLE 1/2` 或 `SAMPLE 0.5`.
|
||
|
||
在一个 `SAMPLE k` 子句，样品是从 `k` 数据的分数。 示例如下所示:
|
||
|
||
``` sql
|
||
SELECT
|
||
Title,
|
||
count() * 10 AS PageViews
|
||
FROM hits_distributed
|
||
SAMPLE 0.1
|
||
WHERE
|
||
CounterID = 34
|
||
GROUP BY Title
|
||
ORDER BY PageViews DESC LIMIT 1000
|
||
```
|
||
|
||
在此示例中，对0.1(10%)数据的样本执行查询。 聚合函数的值不会自动修正，因此要获得近似结果，值 `count()` 手动乘以10。
|
||
|
||
## SAMPLE N {#select-sample-n}
|
||
|
||
这里 `n` 是足够大的整数。 例如, `SAMPLE 10000000`.
|
||
|
||
在这种情况下，查询在至少一个样本上执行 `n` 行（但不超过这个）。 例如, `SAMPLE 10000000` 在至少10,000,000行上运行查询。
|
||
|
||
由于数据读取的最小单位是一个颗粒（其大小由 `index_granularity` 设置），是有意义的设置一个样品，其大小远大于颗粒。
|
||
|
||
使用时 `SAMPLE n` 子句，你不知道处理了哪些数据的相对百分比。 所以你不知道聚合函数应该乘以的系数。 使用 `_sample_factor` 虚拟列得到近似结果。
|
||
|
||
该 `_sample_factor` 列包含动态计算的相对系数。 当您执行以下操作时，将自动创建此列 [创建](../../../engines/table-engines/mergetree-family/mergetree.md#table_engine-mergetree-creating-a-table) 具有指定采样键的表。 的使用示例 `_sample_factor` 列如下所示。
|
||
|
||
让我们考虑表 `visits`，其中包含有关网站访问的统计信息。 第一个示例演示如何计算页面浏览量:
|
||
|
||
``` sql
|
||
SELECT sum(PageViews * _sample_factor)
|
||
FROM visits
|
||
SAMPLE 10000000
|
||
```
|
||
|
||
下一个示例演示如何计算访问总数:
|
||
|
||
``` sql
|
||
SELECT sum(_sample_factor)
|
||
FROM visits
|
||
SAMPLE 10000000
|
||
```
|
||
|
||
下面的示例显示了如何计算平均会话持续时间。 请注意，您不需要使用相对系数来计算平均值。
|
||
|
||
``` sql
|
||
SELECT avg(Duration)
|
||
FROM visits
|
||
SAMPLE 10000000
|
||
```
|
||
|
||
## SAMPLE K OFFSET M {#select-sample-offset}
|
||
|
||
这里 `k` 和 `m` 是从0到1的数字。 示例如下所示。
|
||
|
||
**示例1**
|
||
|
||
``` sql
|
||
SAMPLE 1/10
|
||
```
|
||
|
||
在此示例中，示例是所有数据的十分之一:
|
||
|
||
`[++------------]`
|
||
|
||
**示例2**
|
||
|
||
``` sql
|
||
SAMPLE 1/10 OFFSET 1/2
|
||
```
|
||
|
||
这里，从数据的后半部分取出10％的样本。
|
||
|
||
`[------++------]`
|