在生产数据库运维、数据质量摸底、测试数据清理前的预估场景中，我们经常需要快速统计某类数据量，但又怕全表扫描拖垮数据库。
今天就带大家拆解一条专为生产环境设计的采样统计 SQL，从 Hint 优化、模糊查询细节，到数据库采样原理，一次性讲透所有技术点！
sql 解释：
sql 文本：
SELECT /*+ NO_REWRITE NO_PARALLEL DYNAMIC_SAMPLING(0) QUERY_TIMEOUT(10000000) OPT_PARAM('USE_DEFAULT_OPT_STAT','TRUE') */
SUM(CASE WHEN (`APPNT_NAME_xxx` like '%测试%' escape '\\') THEN 1 ELSE 0 END)
FROM `exx_xxx`.`exx_xxx` SAMPLE BLOCK(0.003507) SEED(1) `a`
hint 部分
Hint 作用
NO_REWRITE 禁止查询改写，保持 SQL 原样执行
NO_PARALLEL 禁止并行执行，使用单线程
DYNAMIC_SAMPLING(0) 关闭动态采样，不在执行时额外采集统计信息
QUERY_TIMEOUT(10000000) 设置查询超时为 10,000,000 微秒（10 秒）
OPT_PARAM('USE_DEFAULT_OPT_STAT','TRUE') 使用默认的优化器统计信息
主要查询
SUM(CASE WHEN (`APPNT_NAME_xxx` like '%测试%' escape '\\') THEN 1 ELSE 0 END)
对 APPNT_NAME_xxx 字段做模糊匹配，查找包含 "测试" 的记录
escape '\' 指定转义字符为反斜杠（处理特殊字符）
匹配到则计 1，否则计 0，最终 SUM 得到符合条件的记录总数
数据来源
FROM `exx_xxx`.`exx_xxx` SAMPLE BLOCK(0.003507) SEED(1) `a`
exx_xxx.exx_xxx:契约表
SAMPLE BLOCK(0.003507)：块级采样，只扫描约 0.3507% 的数据块（而非全表扫描），大幅减少 IO
SEED(1)：固定随机种子为 1，确保每次采样结果可重复
a：表别名
总结：
这条 SQL 的目的是：通过采样（约 0.35% 的数据块）快速估算 exx_xxx 表中投保人姓名包含"测试"二字的记录数。这通常用于数据质量检查或测试数据清理前的摸底统计，用采样代替全表扫描以降低对生产库的性能影响。
技术点解析：
hint 作用：
NO_REWRITE 禁止查询改写，保持 SQL 原样执行
NO_PARALLEL 禁止并行执行，使用单线程
DYNAMIC_SAMPLING(0) 关闭动态采样，不在执行时额外采集统计信息
QUERY_TIMEOUT(10000000) 设置查询超时为 10,000,000 微秒（10 秒）
OPT_PARAM('USE_DEFAULT_OPT_STAT','TRUE') 使用默认的优化器统计信息
模糊匹配：
其中模式字符串支持两个通配符：
| 通配符 |
含义 |
示例 |
% |
匹配任意长度的任意字符（包括零个字符） |
'%测试%' 匹配任何位置包含"测试"的字符串 |
_ |
匹配恰好一个任意字符 |
'张_' 匹配"张三"、"张四"，但不匹配"张三丰" |
性能影响
LIKE '测试%' -- 可以利用索引（前缀匹配）
LIKE '%测试%' -- 无法利用索引（需逐行扫描）
LIKE '%测试' -- 无法利用索引（需逐行扫描）
ESCAPE '\\' 的作用
ESCAPE 子句定义一个转义字符，使通配符 % 和 _ 可以被当作普通字符匹配。
这里 '\\' 是 SQL 字符串中反斜杠的写法（\ 本身需要转义），所以实际转义字符是 \。
举例说明：如果要搜索 USER_NAME 中真的包含 % 字符（而不是通配）：
-- 不用 ESCAPE：% 被当作通配符，匹配所有以"折扣"开头的
USER_NAME LIKE '折扣%'
-- 用 ESCAPE：\% 表示字面量 %，精确匹配包含"折扣%"这个字符串的
USER_NAME LIKE '%折扣\%%' ESCAPE '\\'
-- ↑ ↑↑
-- | |└── 通配符%（匹配任意后缀）
-- | └─── \% 被转义为字面量 %
-- └──────── 通配符%（匹配任意前缀）
用 # 作为转义字符（证明不一定要用反斜杠）
SELECT * FROM products
WHERE product_name LIKE '%#%%' ESCAPE '#';
-- #% → 字面量 %
-- 效果和前面用 \ 完全一样
案例 3：同时搜索 % 和 _
找名称中同时包含 % 和 _ 的数据：
SELECT * FROM products_xx
WHERE product_name LIKE '%\%%' ESCAPE '\'
AND product_name LIKE '%\_%' ESCAPE '\';
SAMPLE BLOCK(0.003507)
数据库不是一行一行存数据的，而是把很多行打包成一个"块"（Block/Page）存在磁盘上。
磁盘上的数据组织方式：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Block 1 │ │ Block 2 │ │ Block 3 │ ... │ Block N │
│ 第1~100行 │ │ 第101~200行 │ │ 第201~300行 │ │ 最后几行 │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
全表扫描 = 读取所有 Block = 全部 IO 开销；
SAMPLE BLOCK 做了什么？
不读所有 Block，只随机抽取约 0.003507% 的 Block 来读。
全部 Block（假设有 100,000 个）：
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■... (100,000个)
SAMPLE BLOCK(0.003507) 后实际读取的（约 3~4 个）：
□□□□□■□□□□□□□□□□□□□□□□■□□□□□□□□□□■□□□□...
↑ ↑ ↑
被选中 被选中 被选中
只有被选中的 Block 才会从磁盘读出来，其余全部跳过
SEED(1) 的作用
SAMPLE BLOCK(0.003507) SEED(1)
采样是随机的，那每次执行选中的 Block 可能不同，结果就会变化。SEED(1) 就是固定随机数种子为 1，保证：
第一次执行：随机选中 Block 5, 1023, 8847, ... → 结果：42
第二次执行：随机选中 Block 5, 1023, 8847, ... → 结果：42（一模一样）
第三次执行：随机选中 Block 5, 1023, 8847, ... → 结果：42（还是一样）
如果去掉 SEED：
第一次执行：随机选中 Block 5, 1023, 8847, ... → 结果：42
第二次执行：随机选中 Block 77, 555, 9012, ... → 结果：38（变了）
第三次执行：随机选中 Block 200, 3001, 7788, ... → 结果：45（又变了）
SEED 的好处：结果可重复、可验证，别人用同样的 SQL 能得到一模一样的数。
SAMPLE BLOCK vs SAMPLE ROW
OceanBase/Oracle 支持两种采样方式：
| 方式 |
语法 |
粒度 |
速度 |
精度 |
| 块采样 |
SAMPLE BLOCK(n) |
以 Block 为单位抽取 |
快（跳过整个 Block） |
略低（Block 内数据可能分布不均） |
| 行采样 |
SAMPLE(n) |
以行为单位抽取 |
慢（需要逐行判断是否抽中） |
较高 |
块采样 SAMPLE BLOCK(n)：
读 Block 5 的全部行 → 读 Block 1023 的全部行 → ...
↑ 整块读，IO 连续，磁盘效率高
行采样 SAMPLE(n)：
Block 1: 第1行(不要) 第2行(要) 第3行(不要) ...
Block 2: 第1行(要) 第2行(不要) ...
↑ 每个 Block 都得读，只是行级筛选，IO 没减少
本 SQL 用的是 SAMPLE BLOCK，追求的是速度优先，因为目的只是粗略估算"测试"数据的数量，不需要精确到个位数.
采样结果：
采样返回的是部分数据的统计值，要估算全表数据需要换算：
假设采样结果：SUM = 3（在采样的 Block 中找到 3 条包含"测试"的记录）
采样比例：0.003507%
估算全表数量 = 3 / 0.003507% = 3 / 0.00003507 ≈ 85,543 条
这是一个估算值，实际数字可能有偏差，但量级是对的；
