sql - 如何对 Synapse Analytics 无服务器 SQL 池中的行进行随机采样？

Question

SQL 中是否有任何方法可以使用 Azure Synapse 从链接的外部数据源中随机抽取 N 行(或 M% 如果需要)行分析无服务器 SQL 池？

Cryptographic functions are not available in the serverless SQL pool ，所以基本上我不能使用 RAND() 或 CHECKSUM(NEWID())，例如通过与我想要的值 N(或 M)进行比较来定义过滤行的条件:

FUNCTION 'RAND' is not supported.

我可以对外部数据源中的字段使用HASHBYTES，但我的表每行不包含唯一 ID。

SELECT title, director, HASHBYTES('sha2_256', title)
FROM external_table

理想情况下，采样应该在统计上是合理的，而不是依赖于数据库的某些实现细节(如 TABLESAMPLE 那样，无论如何在无服务器池中也不可用)。

Answer 1

扩展@GregGalloway 的评论

查询看起来像这样:

WITH [cte_sample] as (SELECT 
    [title], 
    [director], 
    ROW_NUMBER() OVER (ORDER BY [ProductKey]) % 20 as [Sample_Group]
FROM 
    [external_table])
SELECT
    [title], 
    [director]
FROM
    [cte_sample]
WHERE
    [Sample_Group] = 1

使用 % 20 给出 5% 的样本量。