TableSample 選取樣本資料

SQL Server 2005引進了一個新的特性TABLESAMPLE從現有的表中隨機取出一些樣本資料，既可以指定行數，

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，並不代表精確地返回所指定的行數。因為隨機選取的單位是資料頁，
所以上面指定返回1000行，有可能返回800,900,1200都是有可能的。
如果需要指定準確的行數，可以先隨機選取更多的資料，然後再利用TOP關鍵字，如：
SELECT TOP(1000) *
FROM dbo.Orders TABLESAMPLE (2000 ROWS);

如果需要返回同樣的樣本資料，使用REPEATABLE關鍵字，指定某一特定種子，那麼
多次執行該條語句返回的樣本資料都是一樣的。如：
SELECT *
FROM dbo.Orders TABLESAMPLE (1000 ROWS) REPEATABLE(40);

 

TABLESAMPLE的具體演算法
如A表有100行，有3個資料頁，分別有資料 18,32,50。假設指定選取2行資料，系統首先會
計算出頁面選取機率，演算法為：2/100 = 1/50。很容易能計算出，該條語句不返回任何行的
機率為 (1 - 1/50) ^ 3  = 94%。返回18行的機率為 (1 - 1/50) * 1/50 * 1/50 =3.92%。同理
可算出其他。可見TABLESAMPLE不適宜選取少量資料。

如果需要選取少量資料，可用下面方法：
SELECT TOP(n) *
FROM dbo.Orders
ORDER BY NEWID();
注意：該種方法要慢很多。