如何在Snowflake中从数据表抽取10%的样本数据

核心逻辑是先对表完成排序后生成连续行号，再筛选行号为10的倍数的行，正好对应你要的第10、20、30...行的需求。

实现代码 #

WITH sorted_table AS (
    SELECT 
        *,
        -- 按指定字段排序后生成连续行号
        ROW_NUMBER() OVER (ORDER BY 你的排序字段1, 你的排序字段2) AS row_num
    FROM 你的目标表名
)
SELECT * EXCLUDE row_num
FROM sorted_table
-- 筛选行号为10的倍数的行
WHERE MOD(row_num, 10) = 0;

如果你使用的Snowflake版本不支持EXCLUDE语法，把SELECT * EXCLUDE row_num改为手动列出你需要返回的所有字段即可。

参数替换说明 #

• 替换你的排序字段1, 你的排序字段2为实际排序依据字段，建议包含主键等唯一值字段，保证排序结果稳定，每次抽样结果可复现
• 替换你的目标表名为待抽样的表完整路径（如果有库、schema前缀需要一并带上）
• 若需调整抽样比例，修改MOD(row_num, 10)的第二个参数即可：抽取5%样本改为MOD(row_num, 20) = 0，抽取2%样本改为MOD(row_num, 50) = 0

注意事项 #

即使是超大数据量的表，该方案也可以正常运行，Snowflake的窗口函数ROW_NUMBER已经针对大表做了完善的性能优化，不需要额外做适配调整。

内容的提问来源于stack exchange，提问作者Vivek Sharma