SQL 随机抽样的总结

对于SQL 随机抽样我们常想到的就是newid()，但如果对于一个在百万、千万甚至更大海量数据表中抽样的话，简单的newid()，其性能，效率就不是很理想了。所以在这里有必要讨论一下，择优而用。
 
long_goods是一个百万数据的表，Ctrl+L执行以下语句:
 
--id_index是我为主键加的一个非聚焦索引
SELECT top 1  * from long_goods order by newid()
--查询开销 43%
SELECT top 1  * from long_goods with(index=id_index) order by newid()
--查询开销 54%
select top 1 * from long_goods where id=(select top 1 id from long_goods order by newid())
--查询开销 1%
select top 1 * from long_goods where id=(select top 1 id from long_goods with(index=id_index) order by newid())
--查询开销 1%
 
虽然第三个与第四个的开销是一样，但实际应该是第四种优于第三种。
 
如果MS SQL2005升级到支持 TABLESAMPLE 的话，以下语句的抽样执行效率可为最优的
SELECT * from long_goods TABLESAMPLE SYSTEM (10 PERCENT)
 
呵呵..下班了，至于其中原因，下次有空再续.