ClickHouse之采样查询(SAMPLE)

最新推荐文章于 2025-05-30 10:23:03 发布

Java技术债务

最新推荐文章于 2025-05-30 10:23:03 发布

阅读量1.9k

点赞数 1

分类专栏： ClickHouse 数据库文章标签： clickhouse 大数据数据库

本文链接：https://blog.youkuaiyun.com/qq_40124555/article/details/130216873

版权

文章详细介绍了ClickHouse数据库中的SAMPLE子句，用于实现数据的近似查询处理。SAMPLE允许按比例或固定行数对MergeTree家族的表进行采样，提供了一种确定性的采样机制，可用于快速获取大数据集的统计信息。采样适用于有时间限制但又不想完整扫描所有数据的场景。文章还提到了如何校正聚合函数的值以及groupArraySample的用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SAMPLE概念

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）。

注意：
您只能使用采样中的表 MergeTree 族，并且只有在表创建过程中指定了采样表达式。

SAMPLE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 此外，您可以使用 JOIN 。
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。

SAMPLE语法

SAMPLE Clause Syntax	产品描述
SAMPLE k	这里 k 是从0到1的数字。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。
SAMPLE n	这里 n 是足够大的整数。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。