sql - 选择所有列然后抽样，还是只选择 ID 然后加入并抽样？

Question

问题：假设我们正在查看 100 亿行数值数据，其中 FROM 子句排除了 99% 的条目，您希望哪种方法执行得更好，为什么？

无论哪种方式，我都可以争论，但话又说回来，我可能有 6 个月的 SQL 经验并且没有正式的 compsci 教育。问题是在 ANSI Snowflake SQL 中格式化的。

方法 1：对所有列进行采样（有条件）。

SELECT col1, col2, col3.... coln
FROM table1
WHERE cond1 and cond2 and cond3... condn
SAMPLE (1000000 rows)

方法 2：仅样本 ID（有条件）然后加入。

SELECT *
FROM
    (SELECT IDcol
    FROM table1
    WHERE cond1 and cond2 and cond3... condn
    SAMPLE (1000000 rows)
    ) as t1sampled
INNER JOIN
    (SELECT col1, col2, col3.... coln
    FROM table1
    ) as t1
ON t1sampled.IDcol = t1.IDcol

标签： sqldatabasesnowflake-cloud-data-platform

Answer 1

类似的运行时间！

我将上述方法修改为采样 10,000 行（不是 1,000,000 行），因为这个新仓库的迁移数据比我最初想象的要少。

我使用了我们的超小型/轻型 (XS) 雪花仓库。

方法一： 6分钟；75 GB 读取

方法二： 6分2秒；90 GB 读取