是否有一种简洁的方法可以从 sql server 表中检索随机记录？
我想随机化我的单元测试数据，所以我正在寻找一种从表中选择随机 id 的简单方法。在英语中，选择将是“从表中选择一个 id，其中 id 是表中最低 id 和表中最高 id 之间的随机数。”
如果不运行查询，测试 null 值，然后如果为 null，则重新运行。
想法？
【问题讨论】：
标签： sql-server tsql random
有没有一种简洁的方法可以从 sql server 表中检索随机记录？
是的
SELECT TOP 1 * FROM table ORDER BY NEWID()
为每一行生成一个NEWID()，然后按它对表格进行排序。返回第一条记录（即具有“最低”GUID 的记录）。
GUID 从第四版开始生成为伪随机数：
版本 4 UUID 用于从真正随机或 伪随机数。
算法如下：
- 设置两个最高有效位（位 6 和 7） clock_seq_hi_and_reserved 分别为零和一。
- 设置四个最高有效位（位 12 到 15） time_hi_and_version 字段从 4 位版本号 第 4.1.3 节。
- 将所有其他位设置为随机（或伪随机）选择 价值观。
—A Universally Unique IDentifier (UUID) URN Namespace - RFC 4122
替代方案SELECT TOP 1 * FROM table ORDER BY RAND() 不会像人们想象的那样工作。 RAND() 每次查询返回一个值，因此所有行将共享相同的值。
虽然 GUID 值是伪随机的，但对于要求更高的应用程序，您将需要更好的 PRNG。
对于大约 1,000,000 行，典型性能不到 10 秒 — 当然取决于系统。请注意，不可能命中索引，因此性能会相对有限。
【讨论】：
也尝试你的方法在 MIN(Id) 和 MAX(Id) 之间获取一个随机 Id，然后
SELECT TOP 1 * FROM table WHERE Id >= @yourrandomid
它总是会让你获得一排。
【讨论】：
在较大的表上，您还可以使用TABLESAMPLE 来避免扫描整个表。
SELECT TOP 1 *
FROM YourTable
TABLESAMPLE (1000 ROWS)
ORDER BY NEWID()
ORDER BY NEWID 仍然需要避免只返回数据页上首先出现的行。
需要根据表的大小和定义仔细选择要使用的数字，如果没有返回行，您可以考虑重试逻辑。这背后的数学原理以及为什么该技术不适合小表是discussed here
【讨论】：
TOP 1，同一页面上的行是否相关并不重要。您只选择其中之一。
如果你想选择大数据，我知道的最好方法是：
SELECT * FROM Table1
WHERE (ABS(CAST(
(BINARY_CHECKSUM
(keycol1, NEWID())) as int))
% 100) < 10
来源：MSDN
【讨论】：
我正在寻求改进我尝试过的方法并遇到了这篇文章。我意识到它很旧，但没有列出这种方法。我正在创建和应用测试数据；这显示了用@st（两个字符状态）调用的SP中“地址”的方法
Create Table ##TmpAddress (id Int Identity(1,1), street VarChar(50), city VarChar(50), st VarChar(2), zip VarChar(5))
Insert Into ##TmpAddress(street, city, st, zip)
Select street, city, st, zip
From tbl_Address (NOLOCK)
Where st = @st
-- unseeded RAND() will return the same number when called in rapid succession so
-- here, I seed it with a guaranteed different number each time. @@ROWCOUNT is the count from the most recent table operation.
Set @csr = Ceiling(RAND(convert(varbinary, newid())) * @@ROWCOUNT)
Select street, city, st, Right(('00000' + ltrim(zip)),5) As zip
From ##tmpAddress (NOLOCK)
Where id = @csr
【讨论】：
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，因此 NEWID() 每行评估一次以实现逐行采样。 表达式 CAST(CHECKSUM(NEWID(), SalesOrderID) & 0x7fffffff AS float / CAST (0x7fffffff AS int) 计算为随机浮点值 介于 0 和 1 之间。”
来源：http://technet.microsoft.com/en-us/library/ms189108(v=sql.105).aspx
这将在下面进一步解释：
这是如何工作的？我们把WHERE子句拆分出来解释一下。
CHECKSUM 函数正在计算 列表。是否需要 SalesOrderID 是有争议的，因为 NEWID() 是一个返回一个新的随机 GUID 的函数，因此乘以一个 在任何情况下，常数的随机数字都应该导致随机。 事实上，排除 SalesOrderID 似乎没有什么区别。如果你是 一位敏锐的统计学家，并且可以证明将其包含在内，请使用 下面的 cmets 部分，让我知道为什么我错了！
CHECKSUM 函数返回一个 VARBINARY。执行按位与 使用 0x7fffffff 进行操作，相当于 (111111111...) 在二进制中，产生一个有效表示的十进制值 由 0 和 1 组成的随机字符串。除以系数 0x7fffffff 有效地将这个十进制数字标准化为一个数字 介于 0 和 1 之间。然后决定每一行是否值得包含在 最终结果集，使用阈值 1/x（在本例中为 0.01） 其中 x 是作为样本检索的数据的百分比。
【讨论】：