一、背景
在企业级数据开发与治理体系中，样例数据在多个关键场景中发挥着不可或缺的作用。例如，在安全分类识别和数据标准映射过程中，系统需依赖样例数据进行内容分析，以实现精准的敏感数据识别与标准落标；在数据预览环节，用户主要通过样例数据直观了解数据结构与内容形态；而在NL2SQL等场景中，样例数据还能帮助大模型深入理解字段语义与数据分布，从而生成更准确的查询SQL，提升分析效率。
但如果每次要用样例数据都临时去查一遍，不仅慢，还会反复占用计算资源，造成浪费。怎么办？
二、我们的解决方案
为系统化解上述问题，Dataphin推出全局统一的采样配置与管理能力，实现 “一次采样，多处复用” ，显著提升数据使用效率，降低资源浪费。
核心功能包括：
- 统一采样策略配置
在「元数据 > 通用配置 > 采样配置」中，集中管理采样触发条件、存储策略与适用场景，实现全局管控。 - 灵活适配资源管控
支持按计算源、数据源设定采样范围（如指定Database）与扫描禁用时段，避免在业务高峰期占用资源。 - 跨场景样例数据复用
采样数据可自动应用于数据预览、安全分类识别、数据标准映射、X-分析等多个场景，减少重复采样，提升数据服务响应速度。
三、使用示例
- 在「治理」-「元数据」-「采样配置」中，选择开启数据采样。
- 这里，我们可以按照业务需求开启数据采样场景，并统一配置更新频率、存储等。例如，对采样数据的有效性要求高，可将采样更新频率调高，并开启空值补偿，提升数据完整性——但要注意相应的计算资源消耗也会增加。
- 接下来，我们针对计算源和数据源的场景进行单独的采样配置。对于计算源表（即Dataphin项目表和逻辑表），可选择仅圈选生产表进行采样，并指定采样任务的执行空间。例如，我们可以分配专门的项目用于采样查询，不占用业务项目的计算资源。
如果必须使用业务项目资源，还可以设置“禁止扫描时段”，避开数据处理高峰期。
- 对于通过元数据采集接入的数据源，我们同样可以圈选需要采样的库表，灵活配置采样策略。
- 配置完成后，采样数据即可在数据预览、安全分类、标准映射等场景中自动调用，无需重复采集。
