我在 postgres 中有一个包含数百万行的表。我上网查了一下，发现如下
SELECT myid FROM mytable ORDER BY RANDOM() LIMIT 1;
它有效，但它真的很慢......是否有另一种方法来进行查询，或者直接选择随机行而不读取所有表？顺便说一下，'myid' 是一个整数，但它可以是一个空字段。
【问题讨论】：
标签： postgresql random
您可能想尝试OFFSET，如
SELECT myid FROM mytable OFFSET floor(random() * N) LIMIT 1;
N 是mytable 中的行数。你可能需要先做一个SELECT COUNT(*) 来计算N 的值。
更新（Antony Hatchkins）
你必须在这里使用floor：
SELECT myid FROM mytable OFFSET floor(random() * N) LIMIT 1;
考虑一个有 2 行的表格； random()*N 生成 0 <= x < 2，例如 SELECT myid FROM mytable OFFSET 1.7 LIMIT 1; 返回 0 行，因为隐式舍入到最接近的 int。
【讨论】：
SELECT COUNT(*)的N有意义吗？我的意思是，不要使用表中的所有值而只使用其中的一部分？
EXPLAIN SELECT ... 为查询提供相同的成本，那么我想最好选择 N 的最大值。
PostgreSQL 9.5 引入了一种更快的样本选择新方法：TABLESAMPLE
语法是
SELECT * FROM my_table TABLESAMPLE BERNOULLI(percentage);
SELECT * FROM my_table TABLESAMPLE SYSTEM(percentage);
如果您只想选择一行，这不是最佳解决方案，因为您需要知道表的 COUNT 才能计算确切的百分比。
为了避免缓慢的 COUNT 并为从 1 行到数十亿行的表使用快速 TABLESAMPLE，您可以这样做：
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.000001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.00001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.0001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.001) LIMIT 1;
...
这可能看起来不那么优雅，但可能比其他任何答案都快。
要决定是否要使用 BERNULLI 或 SYSTEM，请阅读http://blog.2ndquadrant.com/tablesample-in-postgresql-9-5-2/ 了解不同之处
【讨论】：
SELECT * FROM my_table TABLESAMPLE SYSTEM(SELECT 1/COUNT(*) FROM my_table) LIMIT 1;?
SELECT reltuples FROM pg_class WHERE relname = 'my_table' 进行计数估计。
我用子查询尝试了这个，它工作得很好。偏移量，至少在 Postgresql v8.4.4 中可以正常工作。
select * from mytable offset random() * (select count(*) from mytable) limit 1 ;
【讨论】：
你需要使用floor:
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
【讨论】：
random()*N 生成 0 SELECT myid FROM mytable OFFSET 1.7 LIMIT 1; 返回 0 行，因为隐式舍入到最接近的 int。
order by random() 快，大约为3*O(N) < O(NlogN) - 由于索引，实际数据会略有不同。
WHERE myid NOT IN (1st-myid) 和 WHERE myid NOT IN (1st-myid, 2nd-myid) 不起作用，因为决定是由偏移量做出的。嗯...我想我可以在第二个和第三个 SELECT 中将 N 减少 1 和 2。
floor() 的答案来扩展此答案？它有什么优势？
查看此链接以了解一些不同的选项。 http://www.depesz.com/index.php/2007/09/16/my-thoughts-on-getting-random-row/
更新： (A.Hatchkins)
（很）长的文章总结如下。
作者列举了四种方法：
1) ORDER BY random() LIMIT 1; -- 慢
2) ORDER BY id where id>=random()*N LIMIT 1 -- 如果有差距则不均匀
3) 随机列——需要不时更新
4) 自定义random aggregate -- 狡猾的方法，可能很慢：random() 需要生成 N 次
并建议通过使用改进方法#2
5) ORDER BY id where id=random()*N LIMIT 1
如果结果为空，则进行后续请求。
【讨论】：
获取随机行最简单、最快的方法是使用tsm_system_rows 扩展：
CREATE EXTENSION IF NOT EXISTS tsm_system_rows;
然后你可以选择你想要的确切行数：
SELECT myid FROM mytable TABLESAMPLE SYSTEM_ROWS(1);
这适用于 PostgreSQL 9.5 及更高版本。
见：https://www.postgresql.org/docs/current/static/tsm-system-rows.html
【讨论】：
ORDER BY random() LIMIT 1; 应该足够快。
我想出了一个没有TABLESAMPLE 的非常快速的解决方案。比OFFSET random()*N LIMIT 1 快得多。它甚至不需要表数。
这个想法是用随机但可预测的数据创建一个表达式索引，例如md5(primary key)。
这是一个包含 1M 行样本数据的测试：
create table randtest (id serial primary key, data int not null);
insert into randtest (data) select (random()*1000000)::int from generate_series(1,1000000);
create index randtest_md5_id_idx on randtest (md5(id::text));
explain analyze
select * from randtest where md5(id::text)>md5(random()::text)
order by md5(id::text) limit 1;
结果：
Limit (cost=0.42..0.68 rows=1 width=8) (actual time=6.219..6.220 rows=1 loops=1)
-> Index Scan using randtest_md5_id_idx on randtest (cost=0.42..84040.42 rows=333333 width=8) (actual time=6.217..6.217 rows=1 loops=1)
Filter: (md5((id)::text) > md5((random())::text))
Rows Removed by Filter: 1831
Total runtime: 6.245 ms
此查询有时（以大约 1/Number_of_rows 的概率）返回 0 行，因此需要检查并重新运行。概率也不完全相同 - 有些行比其他行更有可能。
比较：
explain analyze SELECT id FROM randtest OFFSET random()*1000000 LIMIT 1;
结果差异很大，但可能非常糟糕：
Limit (cost=1442.50..1442.51 rows=1 width=4) (actual time=179.183..179.184 rows=1 loops=1)
-> Seq Scan on randtest (cost=0.00..14425.00 rows=1000000 width=4) (actual time=0.016..134.835 rows=915702 loops=1)
Total runtime: 179.211 ms
(3 rows)
【讨论】：