SELECT FROM SAMPLE

Um recurso muito interessante e pouco conhecido da clausula FROM é a opção SAMPLE. Ela deve ser acompanhada de um número entre (0,100),  mas nunca nos limites 0 e 100. Este número indica a probabilidade individual de cada linha da tabela retornar na resposta da query. Por exemplo:

select obj_id, object_name

  from my_objs sample(10);

Detalhando um pouco, priemiro vou criar uma tabela e verificar o número de linhas.

create sequence my_obj_seq;

create table my_objs as

select my_obj_seq.nextval obj_id, owner, object_name, object_id

  from all_objects;

  

select count(*)

  from my_objs;

No meu Oracle retornou 17.900.  Agora tente algo simples como:

select obj_id, object_name

  from my_objs;

Obviamente todas as linhas da tabela retornarão na resposta. Incluindo o SAMPLE, temos:

select obj_id, object_name

  from my_objs sample(10);

E a chance de cada linha estar na resposta é de apenas 10%. Se executar repetidas vezes, o conjunto resposta será diferente a cada execução por que, para cada linha, o Oracle decide inclui-la ou não na resposta. Ou seja, a resposta passa a ser aleatória.

Neste ponto, você executa:

select count(*) from(  

select obj_id, object_name

  from my_objs sample(10);

E a resposta é 1.755! Opa, mas isto não é 10% de 17.900. Repetindo o mesmo SELECT COUNT(*) a resposta é 1.829! E na terceira vez é 1.793! 

Estaria tudo errado? Não deveria ser exatamente 10% do total de linhas na tabela, nesta caso exatos 1.790? 

O Oracle está correto. A chance de cada linha estar na resposta é 10%, mas eventualmente haverá mais linhas na resposta - digamos que deram sorte - ou menos linhas - estavam com azar. Se você precisar de um número exato, basta utilizar uma consulta aninhada:

select * from(

select obj_id, object_name

  from my_objs sample(100))

where rownum <= 10; 

Eu utilizei este recurso para selecionar um subconjunto aleatório de linhas da tabela. Isto fazia parte de um teste que seria repetido diversas vezes, mas era importante que o conjunto de dados fosse diferente a cada execução, afinal seria desnecessário calcular várias vezes o mesmo valor.