SAMPLE | ClickHouse Documentation

SAMPLE子 句能够实现数据采样的功能，使查询仅返回采样数据而不是全部数据，从而有效减少查询负载。

SAMPLE 子句的采样机制是一种幂等设计，也就是说在数据不发生变化的情况下，使用相同的采样规则总是能够返回相同的数据，所以这项特性非常适合在那些可以接受近似查询结果的场合使用。

例如在数据量十分巨大的情况下，对查询时效性的要求大于准确性时就可以尝试使用 SAMPLE 子句。

SAMPLE 子句只能用于 MergeTree 系列引擎的数据表，并且要求在 CREATE TABLE 时声明 SAMPLE BY 抽样表达式，例如下面的语句：

-- SAMPLE BY 表示 hits_v1 内的数据，可以按照 intHash32(UserID) 分布后的结果采样查询。
CREATE TABLE hits_v1 ( 
    CounterID UInt64,
    EventDate DATE,
    UserID UInt64
) ENGINE = MergeTree() 
PARTITION BY toYYYYMM(EventDate)
ORDER BY (CounterID, intHash32(UserID))
--Sample Key声明的表达式必须也包含在主键的声明中
SAMPLE BY intHash32(UserID)

在声明 Sample Key 的时候有两点需要注意：

• SAMPLE BY 所声明的表达式必须同时包含在主键的声明内；
• Sample Key 必须是 Int 类型；

SAMPLE 子句目前支持如下 3 种用法：

1. SAMPLE factor

SAMPLE factor 表示按因子系数采样，其中 factor 表示采样因子，它的取值支持 0～1 之间的小数。如果 factor 设置为 0 或者 1，则效果等同于不进行数据采样。如下面的语句表示按 10% 的因子采样数据：

SELECT CounterID FROM hits_v1 **SAMPLE 0.1
--** factor 也支持使用十进制的形式表述：
SELECT CounterID FROM hits_v1 **SAMPLE 1/10**

在进行统计查询时，为了得到最终的近似结果，需要将得到的直接结果乘以采样系数。例如若想按 0.1 的因子采样数据，则需要将统计结果放大 10 倍：

SELECT count() * 10 FROM hits_v1 **SAMPLE 0.1**

一种更为优雅的方法是借助虚拟字段 _sample_factor 来获取采样系数，并以此代替硬编码的形式。_sample_factor 可以返回当前查询所对应的采样系数：

SELECT CounterID, _sample_factor FROM hits_v1 SAMPLE 0.1 LIMIT 2
┌─CounterID───┬───_sample_factor────┐
│        57   │             10      │
│        57   │             10      │
└─────────────┴─────────────────────┘