Ejemplos de conjuntos de datos

El servicio de consulta de Adobe Experience Platform proporciona conjuntos de datos de ejemplo como parte de sus capacidades aproximadas de procesamiento de consultas. Los conjuntos de datos de muestra se crean con muestras aleatorias uniformes de conjuntos de datos de Azure Data Lake Storage (ADLS) existentes que utilizan solo un porcentaje de registros del original. Este porcentaje se conoce como tasa de muestreo. Ajustar la tasa de muestreo para controlar el equilibrio de precisión y el tiempo de procesamiento le permite realizar consultas exploratorias de big data con un tiempo de procesamiento muy reducido a costa de la precisión de la consulta.

Dado que muchos usuarios no necesitan una respuesta exacta para una operación de agregado sobre un conjunto de datos, emitir una consulta aproximada para devolver una respuesta aproximada es más eficiente para consultas exploratorias en conjuntos de datos grandes. Como los conjuntos de datos de ejemplo contienen solo un porcentaje de los datos del conjunto de datos original, le permite intercambiar la precisión de la consulta para un tiempo de respuesta mejorado. En tiempo de lectura, el servicio de consultas debe analizar menos filas, lo que produce resultados más rápidos que si se consultara todo el conjunto de datos.

Para ayudarle a administrar los ejemplos para un procesamiento de consultas aproximado, el Servicio de consultas admite las siguientes operaciones para ejemplos de conjuntos de datos:

Introducción get-started

Para utilizar las capacidades de procesamiento de consultas de creación y eliminación detalladas en este documento, debe establecer el indicador de sesión en true. Desde la línea de comandos del Editor de consultas o del cliente PSQL, escriba el comando SET aqp=true;.

Crear una muestra de conjunto de datos aleatorio uniforme create-a-sample

Utilice el comando ANALYZE TABLE <table_name> TABLESAMPLE SAMPLERATE x con un nombre de conjunto de datos para crear una muestra aleatoria uniforme a partir de ese conjunto de datos.

La velocidad de muestreo es el porcentaje de registros tomados del conjunto de datos original. Puede controlar la velocidad de muestreo utilizando las palabras clave TABLESAMPLE SAMPLERATE. En este ejemplo, el valor de 5,0 equivale a una velocidad de muestreo del 50 %. Un valor de 2,5 equivaldría a 25 %, etc.

ANALYZE TABLE example_dataset_name TABLESAMPLE SAMPLERATE 5.0;

Especificar opcionalmente un criterio de filtro optional-filter-criteria

Puede optar por especificar un criterio de filtro para las muestras aleatorias uniformes. Esto le permite crear una muestra basada en el subconjunto filtrado de la tabla analizada.

Al crear una muestra, primero se aplica el filtro opcional y, a continuación, la muestra se crea a partir de la vista filtrada del conjunto de datos. Un ejemplo de conjunto de datos con un filtro aplicado sigue el siguiente formato de consulta:

ANALYZE TABLE <tableToAnalyze> TABLESAMPLE FILTERCONTEXT (<filter_condition>) SAMPLERATE X.Y;
ANALYZE TABLE <tableToAnalyze> TABLESAMPLE FILTERCONTEXT (<filter_condition_1> AND/OR <filter_condition_2>) SAMPLERATE X.Y;
ANALYZE TABLE <tableToAnalyze> TABLESAMPLE FILTERCONTEXT (<filter_condition_1> AND (<filter_condition_2> OR <filter_condition_3>)) SAMPLERATE X.Y;

A continuación, se muestran ejemplos prácticos de este tipo de conjunto de datos de muestra filtrado:

ANALYZE TABLE large_table TABLESAMPLE FILTERCONTEXT (month(to_timestamp(timestamp)) in ('8', '9')) SAMPLERATE 10;
ANALYZE TABLE large_table TABLESAMPLE FILTERCONTEXT (month(to_timestamp(timestamp)) in ('8', '9') AND product.name = "product1") SAMPLERATE 10;
ANALYZE TABLE large_table TABLESAMPLE FILTERCONTEXT (month(to_timestamp(timestamp)) in ('8', '9') AND (product.name = "product1" OR product.name = "product2")) SAMPLERATE 10;

En los ejemplos proporcionados, el nombre de tabla es large_table, la condición de filtro en la tabla original es month(to_timestamp(timestamp)) in ('8', '9') y la tasa de muestreo es (X% de los datos filtrados), en este caso, 10.

Ver la lista de muestras view-list-of-samples

Utilice la función sample_meta() para ver la lista de ejemplos asociados a una tabla ADLS.

SELECT sample_meta('example_dataset_name')

La lista de ejemplos de conjuntos de datos se muestra con el formato del ejemplo siguiente.

                  sample_table_name                  |    sample_dataset_id     |    parent_dataset_id     | sample_type | sampling_rate | sample_num_rows |       created
-----------------------------------------------------+--------------------------+--------------------------+-------------+---------------+-----------------+---------------------
 x5e5cd8ea0a83c418a8ef0928_uniform_4_0_percent_ughk7 | 62ff19853d338f1c07b18965 | 5e5cd8ea0a83c418a8ef0928 | uniform     |           4.0 |             391 | 19/08/2022 05:03:01
(1 row)

Consultar el conjunto de datos de ejemplo query-sample-datasets

Use {EXAMPLE_DATASET_NAME} para consultar directamente las tablas de ejemplo. Como alternativa, agregue la palabra clave WITHAPPROXIMATE al final de una consulta y el servicio de consultas utilizará automáticamente el ejemplo creado más recientemente.

SELECT * FROM example_dataset_name WITHAPPROXIMATE;

Eliminar muestras de conjuntos de datos delete-a-sample

La operación de eliminación permite crear nuevas muestras una vez que se ha alcanzado el límite máximo de cinco muestras de conjuntos de datos.

DROP TABLESAMPLE x5e5cd8ea0a83c418a8ef0928_uniform_2_0_percent_bnhmc;