จะขอแถวสุ่มใน SQL ได้อย่างไร

ฉันจะขอสุ่มแถว (หรือใกล้เคียงกับการสุ่มอย่างแท้จริงเท่าที่จะทำได้) ใน SQL บริสุทธิ์ได้อย่างไร

ดูโพสต์นี้: SQL เพื่อเลือกแถวสุ่มจากตารางฐานข้อมูล มันจะผ่านวิธีการในการทำสิ่งนี้ใน MySQL, PostgreSQL, Microsoft SQL Server, IBM DB2 และ Oracle (ต่อไปนี้ถูกคัดลอกมาจากลิงค์นั้น):

เลือกแถวสุ่มด้วย MySQL:

SELECT column FROM table
ORDER BY RAND()
LIMIT 1

เลือกแถวสุ่มด้วย PostgreSQL:

SELECT column FROM table
ORDER BY RANDOM()
LIMIT 1

เลือกแถวสุ่มด้วย Microsoft SQL Server:

SELECT TOP 1 column FROM table
ORDER BY NEWID()

เลือกแถวสุ่มด้วย IBM DB2

SELECT column, RAND() as IDX 
FROM table 
ORDER BY IDX FETCH FIRST 1 ROWS ONLY

เลือกบันทึกแบบสุ่มด้วย Oracle:

SELECT column FROM
( SELECT column FROM table
ORDER BY dbms_random.value )
WHERE rownum = 1

โซลูชันอย่าง Jeremies:

SELECT * FROM table ORDER BY RAND() LIMIT 1

ทำงาน แต่พวกเขาต้องการการสแกนตามลำดับของตารางทั้งหมด (เนื่องจากค่าแบบสุ่มที่เกี่ยวข้องกับแต่ละแถวจำเป็นต้องคำนวณ - เพื่อให้สามารถหาค่าที่เล็กที่สุดได้) ซึ่งอาจช้ามากสำหรับตารางขนาดกลาง คำแนะนำของฉันจะใช้คอลัมน์ตัวเลขที่จัดทำดัชนีบางชนิด (ตารางจำนวนมากมีสิ่งเหล่านี้เป็นคีย์หลัก) แล้วเขียนดังนี้:

SELECT * FROM table WHERE num_value >= RAND() * 
    ( SELECT MAX (num_value ) FROM table ) 
ORDER BY num_value LIMIT 1

สิ่งนี้ใช้ได้ในเวลาลอการิทึมโดยไม่คำนึงถึงขนาดของตารางหากnum_valueถูกทำดัชนี คำเตือน: นี้สันนิษฐานว่ามีการกระจายอย่างเท่าเทียมกันในช่วงnum_value 0..MAX(num_value)หากชุดข้อมูลของคุณเบี่ยงเบนไปจากสมมติฐานนี้คุณจะได้รับผลลัพธ์ที่เบ้ (บางแถวจะปรากฏบ่อยกว่าชุดอื่น ๆ )

ฉันไม่รู้ว่ามันมีประสิทธิภาพเพียงใด แต่ฉันเคยใช้มาก่อน:

SELECT TOP 1 * FROM MyTable ORDER BY newid()

เนื่องจาก GUID นั้นเป็นแบบสุ่มการสั่งซื้อจึงหมายความว่าคุณจะได้แถวแบบสุ่ม

ORDER BY NEWID()

ใช้เวลา 7.4 milliseconds

WHERE num_value >= RAND() * (SELECT MAX(num_value) FROM table)

ใช้เวลา0.0065 milliseconds!

ฉันจะไปด้วยวิธีหลังแน่นอน

คุณไม่ได้พูดว่าคุณใช้เซิร์ฟเวอร์ตัวใด ใน SQL Server เวอร์ชันเก่าคุณสามารถใช้สิ่งนี้:

select top 1 * from mytable order by newid()

ใน SQL Server 2005 และสูงกว่าคุณสามารถใช้TABLESAMPLEเพื่อรับตัวอย่างสุ่มที่ทำซ้ำได้:

SELECT FirstName, LastName
FROM Contact 
TABLESAMPLE (1 ROWS) ;

สำหรับ SQL Server

newid () / order by จะทำงานได้ แต่จะมีราคาแพงมากสำหรับชุดผลลัพธ์ขนาดใหญ่เพราะต้องสร้างรหัสสำหรับทุกแถวแล้วเรียงลำดับ

TABLESAMPLE () เป็นสิ่งที่ดีจากจุดยืนด้านประสิทธิภาพ แต่คุณจะได้รับผลลัพธ์จำนวนมาก (แถวทั้งหมดในหน้าจะถูกส่งคืน)

สำหรับตัวอย่างสุ่มจริงที่มีประสิทธิภาพดีกว่าวิธีที่ดีที่สุดคือกรองแถวแบบสุ่ม ฉันพบตัวอย่างโค้ดต่อไปนี้ในบทความ SQL Server Books Online การจำกัด ชุดผลลัพธ์โดยใช้ TABLESAMPLE :

หากคุณต้องการสุ่มตัวอย่างแถวแต่ละแถวจริงๆให้แก้ไขแบบสอบถามเพื่อกรองแถวแบบสุ่มแทนที่จะใช้ TABLESAMPLE ตัวอย่างเช่นแบบสอบถามต่อไปนี้ใช้ฟังก์ชัน NEWID เพื่อส่งกลับประมาณหนึ่งเปอร์เซ็นต์ของแถวของตาราง Sales.SalesOrderDetail:

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

คอลัมน์ SalesOrderID จะรวมอยู่ในนิพจน์ CHECKSUM เพื่อให้ NEWID () ประเมินหนึ่งครั้งต่อแถวเพื่อให้ได้การสุ่มตัวอย่างตามแต่ละแถว นิพจน์ CAST (CHECKSUM (NEWID (), SalesOrderID) & 0x7fffffff AS float / CAST (0x7fffffff AS int) ประเมินค่าเป็นทศนิยมแบบสุ่มระหว่าง 0 และ 1

เมื่อทำงานกับตารางที่มี 1,000,000 แถวผลลัพธ์ของฉันคือ

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

หากคุณสามารถใช้งาน TABLESAMPLE ได้มันจะให้ประสิทธิภาพที่ดีที่สุดแก่คุณ มิฉะนั้นใช้วิธี newid () / filter newid () / คำสั่งซื้อควรเป็นทางเลือกสุดท้ายหากคุณมีชุดผลลัพธ์จำนวนมาก

หากเป็นไปได้ให้ใช้ข้อความสั่งที่เก็บไว้เพื่อหลีกเลี่ยงความไม่มีประสิทธิภาพของดัชนีทั้งสองใน RND () และสร้างฟิลด์หมายเลขบันทึก

เตรียมการบันทึกแบบสุ่มจาก "SELECT * จากข้อ จำกัด ของตาราง?, 1";
SET @ n = ชั้น (RAND () * (เลือก COUNT (*) จากตาราง));
ดำเนินการ RandomRecord โดยใช้ @n;

วิธีที่ดีที่สุดคือการใส่ค่าแบบสุ่มในคอลัมน์ใหม่เพื่อจุดประสงค์นั้นและใช้บางอย่างเช่นนี้ (รหัสเทียม + SQL):

randomNo = random()
execSql("SELECT TOP 1 * FROM MyTable WHERE MyTable.Randomness > $randomNo")

นี่เป็นโซลูชันที่ใช้งานโดยรหัส MediaWiki แน่นอนว่ามีอคติต่อค่าที่น้อยกว่า แต่พวกเขาพบว่ามันเพียงพอที่จะตัดค่าสุ่มรอบเป็นศูนย์เมื่อไม่มีการเรียกแถว

โซลูชั่น newid () อาจต้องใช้การสแกนแบบเต็มตารางเพื่อให้แต่ละแถวสามารถกำหนด guid ใหม่ซึ่งจะมีประสิทธิภาพน้อยกว่ามาก

rand () solution อาจไม่ทำงานเลย (เช่นกับ MSSQL) เพราะฟังก์ชั่นจะได้รับการประเมินเพียงครั้งเดียวและทุกแถวจะได้รับหมายเลข "สุ่ม" เดียวกัน

สำหรับ SQL Server 2005 และ 2008 ถ้าเราต้องการตัวอย่างสุ่มของแต่ละแถว (จากBooks Online ):

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

กรณีที่ใช้ RAND () เนื่องจากไม่ได้รับการสนับสนุนคุณอาจได้รับ ID สูงสุด (= สูงสุด)

SELECT MAX(ID) FROM TABLE;

รับการสุ่มระหว่าง 1..Max (= My_Generated_Random)

My_Generated_Random = rand_in_your_programming_lang_function(1..Max);

จากนั้นเรียกใช้ SQL นี้:

SELECT ID FROM TABLE WHERE ID >= My_Generated_Random ORDER BY ID LIMIT 1

โปรดทราบว่ามันจะตรวจสอบแถวใด ๆ ที่รหัสเท่ากับหรือสูงกว่าค่าที่เลือก นอกจากนี้ยังเป็นไปได้ที่จะค้นหาแถวในตารางและรับ ID ที่เท่ากันหรือต่ำกว่า My_Generated_Random จากนั้นปรับเปลี่ยนแบบสอบถามเช่นนี้:

SELECT ID FROM TABLE WHERE ID <= My_Generated_Random ORDER BY ID DESC LIMIT 1

ตามที่ระบุไว้ในความคิดเห็นของ @ BillKarwin ในคำตอบของ @ cnu ...

เมื่อรวมกับ LIMIT ฉันพบว่ามันทำงานได้ดีขึ้นมาก (อย่างน้อยกับ PostgreSQL 9.1) เพื่อเข้าร่วมกับการสั่งซื้อแบบสุ่มแทนที่จะสั่งซื้อแถวจริงโดยตรง: เช่น

SELECT * FROM tbl_post AS t
JOIN ...
JOIN ( SELECT id, CAST(-2147483648 * RANDOM() AS integer) AS rand
       FROM tbl_post
       WHERE create_time >= 1349928000
     ) r ON r.id = t.id
WHERE create_time >= 1349928000 AND ...
ORDER BY r.rand
LIMIT 100

ตรวจสอบให้แน่ใจว่า 'r' สร้างค่า 'rand' สำหรับทุกค่าคีย์ที่เป็นไปได้ในเคียวรีที่ซับซ้อนซึ่งรวมอยู่ด้วย แต่ยังคง จำกัด จำนวนแถวของ 'r' เท่าที่เป็นไปได้

CAST as Integer มีประโยชน์อย่างยิ่งสำหรับ PostgreSQL 9.2 ซึ่งมีการเพิ่มประสิทธิภาพการเรียงลำดับเฉพาะสำหรับประเภทจำนวนเต็มและจำนวนทศนิยมที่แม่นยำ

โซลูชันส่วนใหญ่ที่นี่มีเป้าหมายเพื่อหลีกเลี่ยงการเรียงลำดับ แต่พวกเขายังคงต้องทำการสแกนตามลำดับบนตาราง

นอกจากนี้ยังมีวิธีหลีกเลี่ยงการสแกนตามลำดับโดยเปลี่ยนเป็นการสแกนดัชนี หากคุณรู้ค่าดัชนีของแถวสุ่มของคุณคุณจะได้รับผลลัพธ์เกือบจะทันที ปัญหาคือ - วิธีการเดาค่าดัชนี

วิธีแก้ปัญหาต่อไปนี้ใช้กับ PostgreSQL 8.4:

explain analyze select * from cms_refs where rec_id in 
  (select (random()*(select last_value from cms_refs_rec_id_seq))::bigint 
   from generate_series(1,10))
  limit 1;

ฉันแก้ปัญหาข้างต้นคุณเดา 10 ค่าดัชนีสุ่มต่าง ๆ จากช่วง 0 .. [ค่าสุดท้ายของ id]

หมายเลข 10 นั้นเป็นกฎเกณฑ์ - คุณอาจใช้ 100 หรือ 1,000 ก็ได้ (น่าอัศจรรย์) ไม่มีผลกระทบต่อเวลาตอบสนอง

นอกจากนี้ยังมีปัญหาอย่างใดอย่างหนึ่ง - ถ้าคุณมีรหัสเบาบางคุณอาจจะพลาด วิธีแก้ปัญหาคือมีแผนสำรองข้อมูล :) ในกรณีนี้การสั่งซื้อแบบเก่าโดยการสุ่ม () แบบสอบถาม เมื่อ id ที่รวมกันมีลักษณะเช่นนี้:

explain analyze select * from cms_refs where rec_id in 
    (select (random()*(select last_value from cms_refs_rec_id_seq))::bigint 
     from generate_series(1,10))
    union all (select * from cms_refs order by random() limit 1)
    limit 1;

ไม่ใช่สหภาพ ข้อทั้งหมด ในกรณีนี้ถ้าส่วนแรกส่งคืนข้อมูลใด ๆ ส่วนที่สองจะไม่ถูกประหาร!

ช่วงปลายปี แต่มาถึงที่นี่ผ่าน Google ดังนั้นเพื่อลูกหลานฉันจะเพิ่มทางเลือกอื่น

อีกวิธีคือใช้ท็อปสองครั้งโดยสลับคำสั่งซื้อ ฉันไม่รู้ว่ามันเป็น "pure SQL" หรือไม่เพราะใช้ตัวแปรใน TOP แต่ทำงานได้ใน SQL Server 2008 นี่คือตัวอย่างที่ฉันใช้เทียบกับคำในพจนานุกรมถ้าฉันต้องการคำแบบสุ่ม

SELECT TOP 1
  word
FROM (
  SELECT TOP(@idx)
    word 
  FROM
    dbo.DictionaryAbridged WITH(NOLOCK)
  ORDER BY
    word DESC
) AS D
ORDER BY
  word ASC

แน่นอน @idx เป็นจำนวนเต็มที่สร้างแบบสุ่มซึ่งมีช่วงตั้งแต่ 1 ถึง COUNT (*) บนตารางเป้าหมายโดยรวม หากคอลัมน์ของคุณได้รับการจัดทำดัชนีคุณจะได้รับประโยชน์เช่นกัน ข้อดีอีกอย่างคือคุณสามารถใช้ในฟังก์ชั่นได้เนื่องจาก NEWID () ไม่ได้รับอนุญาต

สุดท้ายแบบสอบถามข้างต้นจะทำงานในเวลาประมาณ 1/10 ของเวลา exec ของ NEWID () - ประเภทของแบบสอบถามในตารางเดียวกัน YYMV

คุณอาจลองใช้new id()ฟังก์ชั่น

เพียงแค่เขียนแบบสอบถามของคุณและใช้การเรียงลำดับตามnew id()ฟังก์ชั่น มันค่อนข้างสุ่ม

สำหรับ MySQL ที่จะได้รับการบันทึกแบบสุ่ม

 SELECT name
  FROM random AS r1 JOIN
       (SELECT (RAND() *
                     (SELECT MAX(id)
                        FROM random)) AS id)
        AS r2
 WHERE r1.id >= r2.id
 ORDER BY r1.id ASC
 LIMIT 1

รายละเอียดเพิ่มเติมhttp://jan.kneschke.de/projects/mysql/order-by-rand/

ยังไม่เห็นความแตกต่างนี้ในคำตอบ ฉันมีข้อ จำกัด เพิ่มเติมที่ฉันต้องการกำหนดเมล็ดเริ่มต้นเพื่อเลือกชุดแถวเดียวกันในแต่ละครั้ง

สำหรับ MS SQL:

ตัวอย่างขั้นต่ำ:

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

เวลาดำเนินการปกติ: 1.00

ตัวอย่าง NewId ():

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

เวลาดำเนินการปกติ: 1.02

NewId()ช้ากว่าไม่มีนัยสำคัญrand(checksum(*))ดังนั้นคุณอาจไม่ต้องการใช้กับชุดบันทึกขนาดใหญ่

การคัดเลือกด้วยเมล็ดเริ่มต้น:

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 */

หากคุณต้องการเลือกชุดเดียวกันที่ได้รับเมล็ดดูเหมือนว่าจะทำงาน

ใน MSSQL (ทดสอบบน 11.0.5569) โดยใช้

SELECT TOP 100 * FROM employee ORDER BY CRYPT_GEN_RANDOM(10)

เร็วกว่า

SELECT TOP 100 * FROM employee ORDER BY NEWID()

ใน SQL Server คุณสามารถรวม TABLESAMPLE กับ NEWID () เพื่อรับการสุ่มที่ดีและยังมีความเร็ว สิ่งนี้มีประโยชน์อย่างยิ่งหากคุณต้องการเพียง 1 หรือจำนวนน้อย ๆ ของแถว

SELECT TOP 1 * FROM [table] 
TABLESAMPLE (500 ROWS) 
ORDER BY NEWID()

ด้วย SQL Server 2012+ คุณสามารถใช้ แบบสอบถาม OFFSET FETCHเพื่อทำสิ่งนี้สำหรับแถวสุ่มหนึ่งแถว

select  * from MyTable ORDER BY id OFFSET n ROW FETCH NEXT 1 ROWS ONLY

โดยที่ id คือคอลัมน์ข้อมูลประจำตัวและ n คือแถวที่คุณต้องการ - คำนวณเป็นตัวเลขสุ่มระหว่าง 0 และ count () - 1 ของตาราง (offset 0 คือแถวแรกหลังจากทั้งหมด)

สิ่งนี้ใช้ได้กับรูในข้อมูลตารางตราบใดที่คุณมีดัชนีที่จะทำงานกับคำสั่งย่อย ORDER BY มันยังดีมากสำหรับการสุ่ม - ในขณะที่คุณทำงานด้วยตัวคุณเองว่าจะผ่านเข้าไป แต่ไม่มีวิธีการอื่น ๆ นอกจากนี้ประสิทธิภาพการทำงานค่อนข้างดีในชุดข้อมูลที่มีขนาดเล็กลงก็สามารถทำงานได้ดีแม้ว่าฉันจะไม่ได้ลองทดสอบประสิทธิภาพอย่างจริงจังกับหลายล้านแถว

 SELECT * FROM table ORDER BY RAND() LIMIT 1

ฉันต้องเห็นด้วยกับ CD-MaN: การใช้ "ORDER BY RAND ()" จะทำงานได้ดีสำหรับโต๊ะเล็ก ๆ หรือเมื่อคุณเลือก SELECT เพียงไม่กี่ครั้ง

ฉันยังใช้เทคนิค "num_value> = RAND () * ... " และถ้าฉันต้องการผลลัพธ์แบบสุ่มฉันมีคอลัมน์ "สุ่ม" พิเศษในตารางที่ฉันอัปเดตวันละครั้ง การอัปเดตครั้งเดียวนั้นจะใช้เวลาสักครู่ (โดยเฉพาะอย่างยิ่งเพราะคุณจะต้องมีดัชนีในคอลัมน์นั้น) แต่จะเร็วกว่าการสร้างตัวเลขสุ่มสำหรับทุกแถวในแต่ละครั้งที่เลือกทำงาน

ระวังเพราะ TableSample ไม่ส่งคืนสุ่มแถวตัวอย่าง มันนำทางแบบสอบถามของคุณเพื่อดูตัวอย่างสุ่มของหน้า 8KB ที่ประกอบขึ้นเป็นแถวของคุณ จากนั้นแบบสอบถามของคุณจะถูกดำเนินการกับข้อมูลที่มีอยู่ในหน้าเหล่านี้ เนื่องจากวิธีการจัดกลุ่มข้อมูลในหน้าเหล่านี้ (ลำดับการแทรก ฯลฯ ) สิ่งนี้อาจนำไปสู่ข้อมูลที่ไม่ใช่ตัวอย่างแบบสุ่ม

ดู: http://www.mssqltips.com/tip.asp?tip=1308

หน้า MSDN นี้สำหรับ TableSample รวมถึงตัวอย่างของวิธีการสร้างตัวอย่างข้อมูลจริงแบบสุ่ม

http://msdn.microsoft.com/en-us/library/ms189108.aspx

ดูเหมือนว่าแนวคิดจำนวนมากที่แสดงยังคงใช้การสั่งซื้อ

อย่างไรก็ตามหากคุณใช้ตารางชั่วคราวคุณสามารถกำหนดดัชนีแบบสุ่ม (เช่นวิธีแก้ปัญหาที่แนะนำ) และจากนั้นคว้าตารางแรกที่มากกว่าเลขสุ่มระหว่าง 0 ถึง 1

ตัวอย่างเช่น (สำหรับ DB2):

WITH TEMP AS (
SELECT COMLUMN, RAND() AS IDX FROM TABLE)
SELECT COLUMN FROM TABLE WHERE IDX > .5
FETCH FIRST 1 ROW ONLY

วิธีที่ง่ายและมีประสิทธิภาพจากhttp://akinas.com/pages/en/blog/mysql_random_row/

SET @i = (SELECT FLOOR(RAND() * COUNT(*)) FROM table); PREPARE get_stmt FROM 'SELECT * FROM table LIMIT ?, 1'; EXECUTE get_stmt USING @i;

มีวิธีแก้ปัญหาที่ดีกว่าสำหรับ Oracle แทนที่จะใช้ dbms_random.value ในขณะที่ต้องการสแกนแบบเต็มเพื่อเรียงลำดับแถวโดย dbms_random.value และค่อนข้างช้าสำหรับตารางขนาดใหญ่

ใช้สิ่งนี้แทน:

SELECT *
FROM employee sample(1)
WHERE rownum=1

สำหรับ Firebird:

Select FIRST 1 column from table ORDER BY RAND()

สำหรับ SQL Server 2005 ขึ้นไปให้ขยาย @ GreyPanther ให้คำตอบสำหรับเคสที่num_valueไม่มีค่าต่อเนื่อง สิ่งนี้ใช้ได้สำหรับกรณีที่เมื่อเราไม่ได้กระจายชุดข้อมูลอย่างสม่ำเสมอและเมื่อnum_valueไม่ได้เป็นตัวเลข แต่เป็นตัวระบุที่ไม่ซ้ำกัน

WITH CTE_Table (SelRow, num_value) 
AS 
(
    SELECT ROW_NUMBER() OVER(ORDER BY ID) AS SelRow, num_value FROM table
) 

SELECT * FROM table Where num_value = ( 
    SELECT TOP 1 num_value FROM CTE_Table  WHERE SelRow >= RAND() * (SELECT MAX(SelRow) FROM CTE_Table)
)

ฟังก์ชั่นแบบสุ่มจาก sql สามารถช่วยได้ นอกจากนี้หากคุณต้องการ จำกัด เพียงหนึ่งแถวให้เพิ่มเข้าไปในท้ายที่สุด

SELECT column FROM table
ORDER BY RAND()
LIMIT 1