连接两个表，然后从结果中随机获取 n% 的行。（查询 http://data.stackexchange.com/ 中的表）答案

【问题标题】：Joining two tables and then fetching n% of the rows randomly from the result. (Querying the tables in http://data.stackexchange.com/ )连接两个表，然后从结果中随机获取 n% 的行。（查询 http://data.stackexchange.com/ 中的表）
【发布时间】：2016-05-16 03:04:07
【问题描述】：

在从 stackoverflow 数据转储 (https://data.stackexchange.com/) 中加入两个表（用户和帖子）后，我试图获取 1% 的结果行的随机样本。

我使用了以下查询：

select top 1 percent * from users u join posts p ON p.OwnerUserId = u.Id 
order by newid();

由于某些服务器对执行时间的限制，我收到了错误：

错误：“超时已过。在操作完成之前超时时间已过或服务器没有响应。”

有人可以建议我如何优化查询吗？

【问题讨论】：

标签： sql-server optimization

【解决方案1】：

从大表中选择随机数据时，newid() 并不是一个真正的好选择，因为它需要对所有行进行排序 -- 如果只选择 1%，那会浪费很多时间。

微软推荐使用binary_checksum到select rows randomly，如果1%的准确率不重要，这应该会好很多：

select * from Users u
join (
  select * from Posts
  WHERE (ABS(CAST(
    (BINARY_CHECKSUM
    (Id, NEWID())) as int))
    % 100) < 1
) p on p.OwnerUserId = u.Id

由于帖子是视图，因此无法使用tablesample，但在实际情况下也可以选择。

【讨论】：

【解决方案2】：

使用rand()，您可以通过这种方式显示随机数量的行：

set @r = rand();
SELECT * FROM `anuncios` WHERE rand() < @r

请注意，如果您想获得最小、最大甚至特定百分比的播放记录，请将 rvariable 设置为您需要的任何值。

【讨论】：