今天说一下 tablesample 这个东西

TableSample 平时用得少，基本上就是用于表里面抽样数据来看的。

用法如下

SELECT * FROM tbname TABLESAMPLE SYSTEM (N PERCENT/M Rows)  REPEATABLE()

TABLESAMPLE SYSTEM 这个表示使用System的方法进行数据抽样。(目前我也只知道有System这个方法)

N PERCENT/M Rows 可以选择抽样多少行,也可以抽样多少百分比

REPEATABLE 关键字里面还可以填入一个种子值，填充了之后每次可以得到一致的结果。
下面做实验，创建一个测试表

CREATE TABLE [dbo].[Tmp123]
(
[ID] [int] NOT NULL IDENTITY(1, 1),
[Col1] [char] (200)
) ON [PRIMARY]
GO

塞进去500条数据

INSERT INTO dbo.Tmp123
( Col1 )
VALUES  ( 'abcd'  )

GO 500

大概看了一下下，DBCC IND('Test','Tmp123',-1) 占用了15个数据页，然后我们使用 tablesample 来进行抽样

SELECT *
FROM dbo.Tmp123 TABLESAMPLE (25 ROWS)

这里执行之后发现。大概2次有1次没有返回任何数据，然而返回的数据也并不是准确的25条。

这就是TableSample 的特性，是因为sql server 会根据System方法随机决定是否要读取该数据页的数据进行显示，只能说，请求的行数越多，会越接近TableSample里面请求的行数。

那我们就可以进行一个变形

SELECT top 25 *
FROM dbo.Tmp123 TABLESAMPLE (25 ROWS)

加上Top 去控制，那么得到的行，最多是25行，但是也会有少于25行的情况出现。so ……你懂的~

然后再说下我了解到的情况，为什么返回的几率是差不多一半一半呢？是这样纸的

1、这个表占用了15个数据页，总数据量是500条，我请求了25条 ，占比是 25/500 = 5% (是的，无论请求行数还是百分比，都会转换为百分比进行运算)

2、那么每个数据页的读取可能性就是 5% 了~一共15个数据页，其中没有结果返回的概率是 (1-5%)^15 = 43% ，差不多50%，所以调用的时候就觉得一半一半，样例越多越趋近这个结果

3、那如果现实的行比实际多，也是因为这个概率问题。如果表里面的数据越多，请求的行数越多，越接近请求的值。

4、如果真想精确的控制行数来实现随机，那么请用

SELECT top 25 *
FROM dbo.Tmp123
ORDER BY NewID()

好~说完了~