从 SQL Server 表中选择 n 个随机行

select top 10 percent * from [yourtable] order by newid()

回应有关大表的“纯垃圾”评论：您可以这样做以提高性能。

select  * from [yourtable] where [yourPk] in 
(select top 10 percent [yourPk] from [yourtable] order by newid())

这样做的成本将是值的键扫描加上连接成本，这在具有小百分比选择的大表上应该是合理的。

---

根据您的需要，TABLESAMPLE 将为您带来几乎一样随机和更好的性能。这在 MS SQL Server 2005 及更高版本上可用。

TABLESAMPLE 将从随机页面而不是随机行返回数据，因此 deos 甚至不会检索它不会返回的数据。

在我测试的一张非常大的桌子上

select top 1 percent * from [tablename] order by newid()

花了20多分钟。

select * from [tablename] tablesample(1 percent)

花了2分钟。

TABLESAMPLE 中较小样本的性能也会有所提高，而 newid() 则不会。

请记住，这不像 newid() 方法那样随机，但会给您一个不错的采样。

请参阅 MSDN page。

---

newid()/order by 会起作用，但对于大型结果集来说会非常昂贵，因为它必须为每一行生成一个 id，然后对它们进行排序。

TABLESAMPLE() 从性能的角度来看是好的，但你会得到结块的结果（将返回页面上的所有行）。

为了获得更好的真实随机样本，最好的方法是随机过滤掉行。我在 SQL Server 联机丛书文章 Limiting Results Sets by Using TABLESAMPLE 中找到了以下代码示例：

如果您真的想要单个行的随机样本，请修改您的查询以随机过滤掉行，而不是使用 TABLESAMPLE。例如，以下查询使用 NEWID 函数返回 Sales.SalesOrderDetail 表中大约百分之一的行： SELECT * FROM Sales.SalesOrderDetail WHERE 0.01 >= CAST(CHECKSUM(NEWID(),SalesOrderID) & 0x7fffffff AS float) / CAST (0x7fffffff AS int) SalesOrderID 列包含在 CHECKSUM 表达式中，以便 NEWID() 每行计算一次以实现逐行抽样。表达式 CAST(CHECKSUM(NEWID(), SalesOrderID) & 0x7fffffff AS float / CAST (0x7fffffff AS int) 计算为 0 到 1 之间的随机浮点值。

当针对具有 1,000,000 行的表运行时，这是我的结果：

SET STATISTICS TIME ON
SET STATISTICS IO ON

/* newid()
   rows returned: 10000
   logical reads: 3359
   CPU time: 3312 ms
   elapsed time = 3359 ms
*/
SELECT TOP 1 PERCENT Number
FROM Numbers
ORDER BY newid()

/* TABLESAMPLE
   rows returned: 9269 (varies)
   logical reads: 32
   CPU time: 0 ms
   elapsed time: 5 ms
*/
SELECT Number
FROM Numbers
TABLESAMPLE (1 PERCENT)

/* Filter
   rows returned: 9994 (varies)
   logical reads: 3359
   CPU time: 641 ms
   elapsed time: 627 ms
*/    
SELECT Number
FROM Numbers
WHERE 0.01 >= CAST(CHECKSUM(NEWID(), Number) & 0x7fffffff AS float) 
              / CAST (0x7fffffff AS int)

SET STATISTICS IO OFF
SET STATISTICS TIME OFF

如果您可以摆脱使用 TABLESAMPLE，它将为您提供最佳性能。否则使用 newid()/filter 方法。如果结果集很大，newid()/order by 应该是最后的手段。

---

MSDN 上的 Selecting Rows Randomly from a Large Table 有一个简单、清晰的解决方案，可以解决大规模的性能问题。

  SELECT * FROM Table1
  WHERE (ABS(CAST(
  (BINARY_CHECKSUM(*) *
  RAND()) as int)) % 100) < 10

---

此链接对具有 1、7 和 1300 万行的表的 Orderby(NEWID()) 和其他方法进行了有趣的比较。

通常，当在讨论组中询问有关如何选择随机行的问题时，会提出 NEWID 查询；它很简单，非常适合小桌子。

SELECT TOP 10 PERCENT *
  FROM Table1
  ORDER BY NEWID()

但是，当您将 NEWID 查询用于大型表时，它有一个很大的缺点。 ORDER BY 子句使表中的所有行都复制到 tempdb 数据库中，并在其中进行排序。这会导致两个问题：

排序操作通常具有与之相关的高成本。排序可以使用大量的磁盘 I/O，并且可以运行很长时间。在最坏的情况下，tempdb 可能会耗尽空间。在最好的情况下，tempdb 会占用大量磁盘空间，如果没有手动收缩命令，这些空间永远不会被回收。

您需要的是一种随机选择行的方法，该方法不会使用 tempdb，并且不会随着表变大而变慢。这是一个关于如何做到这一点的新想法：

SELECT * FROM Table1
  WHERE (ABS(CAST(
  (BINARY_CHECKSUM(*) *
  RAND()) as int)) % 100) < 10

这个查询背后的基本思想是，我们要为表中的每一行生成一个 0 到 99 之间的随机数，然后选择所有那些随机数小于指定百分比值的行。在本例中，我们希望随机选择大约 10% 的行；因此，我们选择随机数小于 10 的所有行。

请阅读 MSDN 中的完整文章。

---

只需按随机数排序表并使用 TOP 获取前 5,000 行。

SELECT TOP 5000 * FROM [Table] ORDER BY newid();

更新

刚刚试了一下，一个 newid() 调用就足够了——不需要所有的演员表和所有的数学。

---

如果您（与 OP 不同）需要特定数量的记录（这使得 CHECKSUM 方法变得困难）并且希望获得比 TABLESAMPLE 本身提供的更随机的样本，并且还想要比 CHECKSUM 更快的速度，您可以通过合并TABLESAMPLE 和 NEWID() 方法，如下所示：

DECLARE @sampleCount int = 50
SET STATISTICS TIME ON

SELECT TOP (@sampleCount) * 
FROM [yourtable] TABLESAMPLE(10 PERCENT)
ORDER BY NEWID()

SET STATISTICS TIME OFF

就我而言，这是随机性（我知道这不是真的）和速度之间最直接的折衷。根据需要改变 TABLESAMPLE 百分比（或行） - 百分比越高，样本越随机，但预计速度会线性下降。 （注意 TABLESAMPLE 不接受变量）

---

这是初始种子想法和校验和的组合，在我看来，它可以在没有 NEWID() 成本的情况下给出适当的随机结果：

SELECT TOP [number] 
FROM table_name
ORDER BY RAND(CHECKSUM(*) * RAND())

---

在 MySQL 中，您可以这样做：

SELECT `PRIMARY_KEY`, rand() FROM table ORDER BY rand() LIMIT 5000;

---

还没有完全看到答案中的这种变化。在给定初始种子的情况下，我需要一个额外的约束来每次选择相同的行集。

对于 MS SQL：

最小示例：

select top 10 percent *
from table_name
order by rand(checksum(*))

标准化执行时间：1.00

NewId() 示例：

select top 10 percent *
from table_name
order by newid()

标准化执行时间：1.02

NewId() 比 rand(checksum(*)) 慢一点，因此您可能不想将它用于大型记录集。

用初始种子选择：

declare @seed int
set @seed = Year(getdate()) * month(getdate()) /* any other initial seed here */

select top 10 percent *
from table_name
order by rand(checksum(*) % @seed) /* any other math function here */

如果您需要在给定种子的情况下选择相同的集合，这似乎可行。

---

尝试这个：

SELECT TOP 10 Field1, ..., FieldN
FROM Table1
ORDER BY NEWID()

---

这是一种更新和改进的抽样形式。它基于使用 CHECKSUM / BINARY_CHECKSUM 和模数的其他一些答案的相同概念。

使用与此类似的实现的原因，而不是其他答案：

它在庞大的数据集上相对较快，并且可以有效地用于派生查询中/与派生查询一起使用。无需使用 tempdb 即可在几秒钟内对数百万个预先过滤的行进行采样，如果与查询的其余部分保持一致，则开销通常很小。

不受数据运行的 CHECKSUM(*) / BINARY_CHECKSUM(*) 问题的影响。使用 CHECKSUM(*) 方法时，可以在“块”中选择行，而不是“随机”！这是因为 CHECKSUM 更喜欢速度而不是分布。

产生稳定/可重复的行选择，并且可以简单地更改以在后续查询执行中生成不同的行。使用 NEWID() 的方法，例如 CHECKSUM(NEWID()) % 100，永远不会是稳定的/可重复的。

允许提高样本精度并减少引入的统计误差。采样精度也可以调整。 CHECKSUM 只返回一个 int 值。

不使用 ORDER BY NEWID()，因为对于大型输入集，排序可能成为一个重要的瓶颈。避免排序还可以减少内存和 tempdb 的使用。

不使用 TABLESAMPLE，因此与 WHERE 预过滤器一起使用。

缺点/限制：

执行时间稍慢并使用 CHECKSUM(*)。如下所示，使用哈希字节每百万行增加大约 3/4 秒的开销。这是我的数据，在我的数据库实例上：YMMV。如果使用来自 HASHBYTES 的结果“分布良好”的 bigint 值的持久计算列，则可以消除此开销。

与基本的 SELECT TOP n .. ORDER BY NEWID() 不同，这不能保证返回“恰好 N”行。相反，它返回一个百分比行行，其中这样的值是预先确定的。对于非常小的样本量，这可能会导致选择 0 行。此限制与 CHECKSUM(*) 方法共享。

这是要点：

-- Allow a sampling precision [0, 100.0000].
declare @sample_percent decimal(7, 4) = 12.3456

select
    t.*
from t
where 1=1
    and t.Name = 'Mr. No Questionable Checksum Usages'
    and ( -- sample
        @sample_percent = 100
        or abs(
            -- Choose appropriate identity column(s) for hashbytes input.
            -- For demonstration it is assumed to be a UNIQUEIDENTIFIER rowguid column.
            convert(bigint, hashbytes('SHA1', convert(varbinary(32), t.rowguid)))
        ) % (1000 * 100) < (1000 * @sample_percent)
    )

笔记：

虽然 SHA1 自 SQL Server 2016 以来在技术上已被弃用，但它既足以完成任务，又比 MD5 或 SHA2_256 略快。根据需要使用不同的散列函数。如果该表已经包含一个散列列（具有良好的分布），那么它也可能被使用。

bigint 的转换至关重要，因为它允许 2^63 位的“随机空间”应用模数运算符；这远远超过 CHECKSUM 结果的 2^31 范围。这减少了极限处的模数误差，特别是随着精度的提高。

只要适当地乘以模操作数和采样百分比，就可以改变采样精度。在这种情况下，即 1000 * 来解释 @sample_percent 中允许的 4 位精度。

可以将 bigint 值乘以 RAND() 以在每次运行时返回不同的行样本。这有效地改变了固定哈希值的排列。

如果@sample_percent 为 100，则查询计划器可以完全消除较慢的计算代码。记住“参数嗅探”规则。这允许将代码留在查询中，而不管是否启用采样。

计算具有下限/上限的 @sample_percent，并在查询中添加 TOP“提示”，因为当样本用于派生表上下文时，可能很有用。

-- Approximate max-sample and min-sample ranges.
-- The minimum sample percent should be non-zero within the precision.
declare @max_sample_size int = 3333333
declare @min_sample_percent decimal(7,4) = 0.3333
declare @sample_percent decimal(7,4) -- [0, 100.0000]
declare @sample_size int

-- Get initial count for determining sample percentages.
-- Remember to match the filter conditions with the usage site!
declare @rows int
select @rows = count(1)
    from t
    where 1=1
        and t.Name = 'Mr. No Questionable Checksum Usages'

-- Calculate sample percent and back-calculate actual sample size.
if @rows <= @max_sample_size begin
    set @sample_percent = 100
end else begin
    set @sample_percent = convert(float, 100) * @max_sample_size / @rows
    if @sample_percent < @min_sample_percent
        set @sample_percent = @min_sample_percent
end
set @sample_size = ceiling(@rows * @sample_percent / 100)

select *
from ..
join (
    -- Not a precise value: if limiting exactly at, can introduce more bias.
    -- Using 'option optimize for' avoids this while requiring dynamic SQL.
    select top (@sample_size + convert(int, @sample_percent + 5))
    from t
    where 1=1
        and t.Name = 'Mr. No Questionable Checksum Usages'
        and ( -- sample
            @sample_percent = 100
            or abs(
                convert(bigint, hashbytes('SHA1', convert(varbinary(32), t.rowguid)))
            ) % (1000 * 100) < (1000 * @sample_percent)
        )
) sampled
on ..

---

看来 newid() 不能在 where 子句中使用，所以这个解决方案需要一个内部查询：

SELECT *
FROM (
    SELECT *, ABS(CHECKSUM(NEWID())) AS Rnd
    FROM MyTable
) vw
WHERE Rnd % 100 < 10        --10%

---

我在子查询中使用它，它在子查询中返回了相同的行

 SELECT  ID ,
            ( SELECT TOP 1
                        ImageURL
              FROM      SubTable 
              ORDER BY  NEWID()
            ) AS ImageURL,
            GETUTCDATE() ,
            1
    FROM    Mytable

然后我解决了在 where 中包含父表变量

SELECT  ID ,
            ( SELECT TOP 1
                        ImageURL
              FROM      SubTable 
              Where Mytable.ID>0
              ORDER BY  NEWID()
            ) AS ImageURL,
            GETUTCDATE() ,
            1
    FROM    Mytable

注意 where 条件

---

未指定使用的服务器端处理语言（例如 PHP、.net 等），但如果是 PHP，请获取所需的数字（或所有记录），而不是在查询中随机化，而是使用 PHP 的 shuffle 函数。我不知道 .net 是否具有等效功能，但如果有，那么如果您使用的是 .net，则使用该功能

ORDER BY RAND() 可能会产生相当大的性能损失，具体取决于涉及的记录数。

---

select  * from table
where id in (
    select id from table
order by random()
limit ((select count(*) from table)*55/100))

// to select 55 percent of rows randomly

---

如果你知道你有大约 N 行并且你想要大约 K 个随机行，你只需要以 K/N 的机会拉出任何给定的行。使用 RAND() 函数可以在 0 和 1 之间进行公平分配，您可以在 PROB = K/N 的情况下执行以下操作。对我来说工作得很快。

SELECT * FROM some_table WHERE RAND() < PROB

---

这对我有用：

SELECT * FROM table_name
ORDER BY RANDOM()
LIMIT [number]

---