数据集样本

Adobe Experience Platform查询服务提供了示例数据集，作为其近似查询处理功能的一部分。 样本数据集是使用来自现有Azure Data Lake Storage (ADLS)数据集的统一随机样本创建的，仅使用来自原始数据集的记录百分比。 此百分比称为采样速率。 通过调整采样率来控制精度与处理时间的平衡，可以对大数据进行探索性查询，从而大大缩短处理时间，但代价是查询的准确性。

由于许多用户不需要对数据集上的聚合操作获得准确答案，因此对于大型数据集的探索性查询，发出近似查询以返回近似答案会更有效。 由于示例数据集仅包含来自原始数据集的数据的百分比，因此，您可以利用查询准确性来缩短响应时间。 在读取时，查询服务必须扫描的行数少于您要查询整个数据集时所需的行数，这样可以更快地生成结果。

为了帮助您管理用于近似查询处理的示例，查询服务支持对数据集示例执行以下操作：

快速入门 get-started

若要使用本文档中详述的创建和删除近似查询处理功能，必须将会话标志设置为true。 从查询编辑器或PSQL客户端的命令行输入SET aqp=true;命令。

创建统一的随机数据集示例 create-a-sample

使用具有数据集名称的ANALYZE TABLE <table_name> TABLESAMPLE SAMPLERATE x命令从该数据集创建统一的随机示例。

采样率是从原始数据集中获取的记录的百分比。 您可以使用TABLESAMPLE SAMPLERATE关键字来控制采样率。 在此示例中，5.0的值等于50%的采样率。 值为2.5将等于25%，以此类推。

ANALYZE TABLE example_dataset_name TABLESAMPLE SAMPLERATE 5.0;

（可选）指定筛选条件 optional-filter-criteria

您可以选择为统一随机抽样指定过滤条件。 这允许您根据分析表的过滤子集创建样本。

创建示例时，首先应用可选过滤器，然后从数据集的过滤视图创建示例。 应用了筛选条件的数据集示例遵循以下查询格式：

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;

以下是此类过滤样本数据集的实用示例：

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;

在提供的示例中，表名称为large_table，原始表的过滤条件为month(to_timestamp(timestamp)) in ('8', '9')，采样率为（过滤数据的X%），在此例中为10。

查看示例列表 view-list-of-samples

使用sample_meta()函数查看与ADLS表关联的示例列表。

SELECT sample_meta('example_dataset_name')

数据集示例列表以下面的示例格式显示。

                  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)

查询示例数据集 query-sample-datasets

使用{EXAMPLE_DATASET_NAME}直接查询示例表。 或者，将WITHAPPROXIMATE关键字添加到查询的结尾，查询服务将自动使用最近创建的示例。

SELECT * FROM example_dataset_name WITHAPPROXIMATE;

删除数据集示例 delete-a-sample

通过删除操作，可在达到五个数据集示例的最大限制后创建新示例。

DROP TABLESAMPLE x5e5cd8ea0a83c418a8ef0928_uniform_2_0_percent_bnhmc;