- 對于數據量比較大的表，不要使用下面的這種方法，會比較慢
select * from review order by random() limit 10;
會全表掃描，很慢
- SYSTEM抽樣方法
SELECT ...
FROM table_name
TABLESAMPLE sampling_method (argument [, ...]) [REPEATABLE (seed)]
sampling_method 抽樣方法，主要有兩種，system和bernoulli，argument是指抽樣百分比，
舉個栗子
select id from review tablesample system(0.0001);
[email protected]:5432=#explain analyze select id from review tablesample system(0.0001);
QUERY PLAN
----------------------------------------------------------------------------------------------------
Sample Scan on review (cost=0.00..4.06 rows=6 width=4) (actual time=3.328..3.899 rows=10 loops=1)
Sampling: system ('0.0001'::real)
Planning time: 0.110 ms
Execution time: 3.920 ms
(4 rows)
需要指出一條的是，system抽樣方式是隨機抽取表上的數據塊的數據，理論上每個數據塊被檢索的概率是一樣的，system抽樣方式基于數據塊級別，被選中的快上面的所以數據將被檢索, 所以可能會出現每次隨機抽取的數據條數是不一樣的，甚至可能返回0條，可能是抽取到了一個沒有數據的數據塊，
關于數據塊檢索我們可以通過下面的例子看到，ctid是數據塊的值，前面的那個是數據庫編號，后面那個是該條數據在數據塊上面的編號
[email protected]:5432=#select ctid, id from review tablesample system(0.0001);
ctid | id
------+----
(0 rows)
[email protected]:5432=#select ctid, id from review tablesample system(0.0001);
ctid | id
------------+---------
(289034,1) | 4131829
(289034,2) | 4131830
(289034,3) | 4131853
(289034,4) | 4131854
(289034,5) | 4924212
(289034,6) | 5142532
(6 rows)
[email protected]:5432=#select ctid, id from review tablesample system(0.0001);
ctid | id
------+----
(0 rows)
[email protected]:5432=#select ctid, id from review tablesample system(0.0001);
ctid | id
-------------+---------
(368648,1) | 5006567
(368648,2) | 5164392
(368648,3) | 4844708
(368648,4) | 4844524
(368648,5) | 4844526
(368648,6) | 4844621
(368648,7) | 4844748
(368648,8) | 4844614
(368648,9) | 4844678
(368648,10) | 4844530
(368648,11) | 4844532
(11 rows)
- BERNOULLI抽樣方式
BERNOULLI抽樣方式，是基于數據行的，所以相對來說，每次返回的數量相對比較一致，相差不多，這種抽取方式比SYSTEM抽樣方式更加隨機一些，但是相對性能要低很多，
[email protected]:5432=#explain analyze select ctid, id from review tablesample bernoulli(0.0001);
QUERY PLAN
--------------------------------------------------------------------------------------------------------------
Sample Scan on review (cost=0.00..429583.06 rows=6 width=10) (actual time=136.399..1524.570 rows=6 loops=1)
Sampling: bernoulli ('0.0001'::real)
Planning time: 0.113 ms
Execution time: 1524.615 ms
(4 rows)
然后由于BERNOULLI抽樣方式是基于數據行的，所以一般而言，抽樣得到的數據應該位于不同的數據塊
[email protected]:5432=#select ctid, id from review tablesample bernoulli(0.0001);
ctid | id
-------------+---------
(82429,15) | 1419928
(131678,12) | 2159220
(273168,2) | 3965564
(344546,3) | 4675681
(4 rows)
- 總結
SYSTEM抽樣方式適合抽樣效率優先，針對大數據量啥的；
BERNOULLI適合隨機性優先的場景