tablesample在sql server中按物理页（8kb）随机抽样，非行级随机，故行数不精确、不可控、不均匀；例如10 percent表示每页10%概率被选中，页内所有行均返回，而页间行数不均导致结果波动大。
TABLESAMPLE 在 SQL Server 中不是“随机选 N 行”，而是“随机读若干数据页，返回页内全部行”——它快，但不精确、不可控、不均匀。
TABLESAMPLE (N PERCENT) 返回行数为什么不准
SQL Server 的 TABLESAMPLE SYSTEM（默认且唯一支持的方法）按物理数据页（8 KB）抽样。指定 10 PERCENT，表示每个数据页有 10% 概率被选中；一旦选中，该页所有行都会进结果集。
- 如果表占 100 个页，期望选中约 10 个页 → 实际可能选中 6 或 14 个（二项分布波动）
- 每页行数不均（比如有的页存 5 行，有的存 200 行），最终行数偏差更大
- 执行多次，
SELECT * FROM t TABLESAMPLE (10 PERCENT)可能返回 832 行、1107 行、0 行（全没抽中） - 没有
REPEATABLE时，每次结果都不同；加了REPEATABLE(42)也只是固定页级随机种子，不是行级可复现
TABLESAMPLE (N ROWS) 的真实含义
N ROWS 不是“取 N 行”，而是“目标行数换算成百分比后，再按页抽”。例如表有 50000 行，TABLESAMPLE (100 ROWS) ≈ 0.2 PERCENT，然后对每个页掷一次 0.2% 概率的硬币。
- 结果常远少于 100 行（尤其小表），甚至为空 —— 因为页数少 + 概率低，全没掷中
- 加
TOP 100可以限制上限：SELECT TOP 100 * FROM t TABLESAMPLE (100 ROWS)，但下限仍是 0 - 不要指望它替代
ORDER BY NEWID()做精确随机抽样
哪些场景能用，哪些不能碰
适合：快速看数据“长什么样”，比如检查字段是否大量为 NULL、字符串长度是否异常、是否存在乱码或截断。
- ✅ 表有千万级数据，想秒出 20 条样本做初步探查
- ✅ 配合
REPEATABLE做临时调试（比如对比两次 ETL 输出结构） - ❌ 需要稳定可复现的审计抽样（它无法前置 WHERE 过滤）
- ❌ 要求严格 5% 行数或固定 1000 行（用
TOP 1000 ORDER BY NEWID()，但注意大表性能） - ❌ 表按业务逻辑聚簇（如时间、地区），因为页内数据强相关，抽样会严重偏斜
替代方案：什么时候该换别的写法
当你要的是“真随机 N 行”或“过滤后精确百分比”，TABLESAMPLE 就该让位了。
- 精确 N 行（中小表）：
SELECT TOP 100 * FROM t ORDER BY NEWID() - 大表避免全排序：
SELECT * FROM t WHERE CHECKSUM(NEWID(), id) % 100 = 0（近似 1%，需测试倾斜） - 过滤后抽样（如“近 30 天订单中抽 5%”）：
SELECT * FROM (SELECT *, ROW_NUMBER() OVER (ORDER BY NEWID()) AS rn FROM t WHERE created_at > DATEADD(day, -30, GETDATE())) t2 WHERE t2.rn % 20 = 1 - 需要可复现且带条件：
REPEATABLE对TABLESAMPLE无效，必须用确定性排序（如ORDER BY HASHBYTES('SHA2_256', CAST(id AS VARCHAR))+TOP）
真正容易被忽略的一点：TABLESAMPLE 对分区表的行为未定义，某些版本会只扫部分文件组；如果表启用了数据压缩或列存储，抽样结果可能进一步失真。别在生产审计或模型训练前的数据验证环节依赖它。
