Я думаю, что самое быстрое решение

select * from table where rand() <= .3

вот почему я думаю, что это должно сделать работу.

• он создаст случайное число для каждой строки. Число между 0 и 1
• он оценивает, следует ли отображать эту строку, если сгенерированное число от 0 до .3 (30%).

это предполагает, что rand() генерирует числа в равномерном распределении. Это самый быстрый способ сделать это.

Я видел, что кто-то был рекомендовал это решение, и они были сбиты без доказательств.. вот что я бы сказал на это -

• Это O(n), но сортировка не требуется, поэтому она быстрее, чем O (n lg n)

• mysql очень способен генерировать случайные числа для каждой строки. Попробуйте это -

  выберите rand () из INFORMATION_SCHEMA.Таблица предел 10;

поскольку рассматриваемая база данных является mySQL, это правильное решение.

быстрее, чем заказ от RAND ()

Я проверил этот метод, чтобы быть намного быстрее, чем ORDER BY RAND(), следовательно, он работает в O (n) времени, и делает это впечатляюще быстро.

от http://technet.microsoft.com/en-us/library/ms189108%28v=sql.105%29.aspx:

Не-MSSQL версия -- Я не проверял это

SELECT * FROM Sales.SalesOrderDetail
WHERE 0.01 >= RAND()

версия MSSQL:

SELECT * FROM Sales.SalesOrderDetail
WHERE 0.01 >= CAST(CHECKSUM(NEWID(), SalesOrderID) & 0x7fffffff AS float) / CAST (0x7fffffff AS int)

это позволит выбрать ~1% записей. Так что если вы нужно точное количество процентов или записей, которые будут выбраны, оценить свой процент с некоторым запасом прочности, а затем случайным образом вырвать лишние записи из результирующего набора, используя более дорогой ORDER BY RAND() метод.

Еще Быстрее

я смог улучшить этот метод еще больше, потому что у меня был хорошо известный индексированный диапазон значений столбцов.

например, если у вас есть индексированный столбец с равномерно распределенные целые числа [0..max], вы можете использовать это для случайного выбора N небольшой интервал. Сделать это динамически в вашей программе, чтобы получить другой набор для каждого выполнения запроса. Этот выбор подмножества будет O (N), который может на много порядков меньше, чем ваш полный набор данных.

в моем тесте я сократил время, необходимое для получения 20 (из 20 мил) образцов записей из 3 минуты используя ORDER BY RAND () вплоть до 0.0 секунд!

видимо, в некоторых версиях SQL есть TABLESAMPLE команда, но это не во всех реализациях SQL (в частности, Redshift).

http://technet.microsoft.com/en-us/library/ms189108 (v=sql. 105). aspx

просто использовать

WHERE RAND() < 0.1 

чтобы получить 10% записей или

WHERE RAND() < 0.01 

чтобы получить 1% записей и т. д.

начиная с наблюдения, что мы можем получить идентификаторы из таблицы (например. графа 5) на основе набора:

select *
from table_name
where _id in (4, 1, 2, 5, 3)

мы можем прийти к результату, что если бы мы могли генерировать строку "(4, 1, 2, 5, 3)", тогда у нас был бы более эффективный способ, чем RAND().

например, в Java:

ArrayList<Integer> indices = new ArrayList<Integer>(rowsCount);
for (int i = 0; i < rowsCount; i++) {
    indices.add(i);
}
Collections.shuffle(indices);
String inClause = indices.toString().replace('[', '(').replace(']', ')');

если идентификаторы имеют пробелы, то начальный arraylist indices является результатом sql-запроса на идентификаторы.

Я хочу отметить, что все эти решения кажутся образца без замены. Выбор верхних K строк из случайной сортировки или присоединение к таблице, содержащей уникальные ключи в случайном порядке, приведет к случайной выборке, сгенерированной без замены.

Если вы хотите, чтобы ваш образец был независимым, вам нужно будет попробовать с заменой. Смотрите вопрос 25451034 для одного примера того, как это сделать, используя соединение таким же образом, как решение user12861. Этот решение написано для T-SQL, но концепция работает в любой SQL-БД.

Если вам нужно именно m строки, реально вы будете генерировать подмножество идентификаторов за пределами SQL. Большинство методов требуют в какой-то момент выбрать запись "nth", а таблицы SQL на самом деле не являются массивами вообще. Предположение, что ключи являются последовательными, чтобы просто присоединиться к случайным входам между 1 и количеством, также трудно удовлетворить - MySQL, например, не поддерживает его изначально, и условия блокировки... хитрый.

вот O(max(n, m lg n))времени O(n)-пространственного решения и при условии, просто используя кнопки:

1. извлеките все значения ключевого столбца таблицы данных в любом порядке в массив на вашем любимом языке сценариев в O(n)
2. выполнить Фишер-Йейтс перемешать остановка после m свопы, и извлечь подмассив [0:m-1] на ϴ(m)
3. "присоединиться" подмассив с исходным набором данных (например,SELECT ... WHERE id IN (<subarray>)) in O(m lg n)

любой метод, который генерирует случайное подмножество вне SQL должен иметь по крайней мере эту сложность. Соединение не может быть быстрее, чем O(m lg n) С BTREE (так O(m) претензии являются фантазией для большинства двигателей) и перетасовка ограничена ниже n и m lg n и не влияет на асимптотическое поведение.

в обновления псевдокод:

ids = sql.query('SELECT id FROM t')
for i in range(m):
  r = int(random() * (len(ids) - i))
  ids[i], ids[i + r] = ids[i + r], ids[i]

results = sql.query('SELECT * FROM t WHERE id IN (%s)' % ', '.join(ids[0:m-1])

может быть, вы могли бы сделать

SELECT * FROM table LIMIT 10000 OFFSET FLOOR(RAND() * 190000)