Sql 随机选择，同时按百分比对多个组进行细分

我正在尝试为用户建立一个简单的系统，以生成调查将发送给的用户列表。列表的生成可能取决于各种约束。例如，“我们只想要来自美国和加拿大的人”或“我们只想要拥有2级或3级会员资格的人”

这一部分非常简单，我已经设置了表来捕获选择标准。不过，另一个标准是，他们可能希望获得每个项目的特定百分比。例如，“给我70%的美国用户和30%的加拿大用户。”同样，我认为我可以不费吹灰之力地做到这一点。他们会给出他们想要的用户数量，所以我可以乘以百分比，然后确保数字在四舍五入后仍然相加，这样我就可以继续了

但是，考虑到未来，如果他们希望按照两套标准进行一定百分比的细分，那该怎么办呢。例如，“给我70%的美国用户，30%的加拿大用户，同时给我50%的2级用户和50%的3级用户。”由于这不是当前的要求，我不打算让自己头疼，但如果有人有一个相当简单的算法（或SQL代码）来完成类似的任务，那么我很乐意看到它

虽然我更喜欢DB不可知的解决方案，但我使用的是MS SQL 2005，因此特定于该RDBMS的解决方案也不错

我当前使用的表结构与此类似：

CREATE TABLE Selection_Templates
(
     template_code     VARCHAR(20)     NOT NULL,
     template_name     VARCHAR(100)    NOT NULL,
     CONSTRAINT PK_Selection_Templates PRIMARY KEY CLUSTERED (template_code),
     CONSTRAINT UI_Selection_Templates UNIQUE (template_name)
)
GO
CREATE TABLE Selection_Template_Countries
(
     template_code            VARCHAR(20)       NOT NULL,
     country_code             CHAR(3)           NOT NULL,
     selection_percentage     DECIMAL(2, 2)     NULL,
     CONSTRAINT PK_Selection_Template_Countries PRIMARY KEY CLUSTERED (template_code, country_code),
     CONSTRAINT CK_Selection_Template_Countries_selection_percentage CHECK (selection_percentage > 0),
     CONSTRAINT FK_Selection_Template_Countries_Selection_Template FOREIGN KEY (template_code) REFERENCES Selection_Templates (template_code)
)
GO
CREATE TABLE Selection_Template_User_Levels
(
     template_code            VARCHAR(20)       NOT NULL,
     user_level               SMALLINT          NOT NULL,
     selection_percentage     DECIMAL(2, 2)     NULL,
     CONSTRAINT PK_Selection_Template_User_Levels PRIMARY KEY CLUSTERED (template_code, user_level),
     CONSTRAINT CK_Selection_Template_User_Levels_selection_percentage CHECK (selection_percentage > 0),
     CONSTRAINT FK_Selection_Template_User_Levels_Selection_Template FOREIGN KEY (template_code) REFERENCES Selection_Templates (template_code)
)

---

您可以将问题分解为四组随机用户：

• 美国用户，2级，选择所需样本总数的35%
• 加拿大用户，2级，选择所需样本总数的15%
• 美国用户，3级，选择所需样本总数的35%
• 加拿大用户，3级，选择所需样本总数的15%

如果有第三个标准，把问题分成八组。等等

在美国和加拿大这两组用户中，获得50%的2级和50%的3级似乎是人为的。因为它应该是随机的，所以你可能会期望它变化得更大一些。另外，如果加拿大的3级用户数量不多，占总数的15%，又该怎么办

随着标准变得越来越有选择性，你自然会从总样本的随机性中抽身。最终，您可以有一个长长的标准列表，这样只有一个子集的用户可以满足它，然后就不会有任何随机性

---

您的评论是：没错，SQL并不是解决所有类型问题的最佳解决方案。您最好使用迭代算法来处理问题，而不是使用单一的基于集合的SQL查询。例如：

随机选取一行

如果在上一次迭代中已经选择了该行，则放弃该行

如果该行有助于保持选择70%美国、30%加拿大、50%二级、50%三级的总样本的速度，请保留该行。否则，将其丢弃

如果达到所需的样本数，请停止

循环回到步骤1

当然，如果你选择一行有助于平衡70/30%的国家比例，但不平衡50/50%的水平比例，这会变得很棘手。你是否丢弃它？而且，当您只选择了前几行时，您可能希望忽略这些比率

---

正如@Hogan所评论的，这可能是一个无法解决的NP完全问题。但许多这样的问题都有一个解决方案，它可以给你一个“足够好”的结果，尽管不是一个可证明的最佳结果。

相当简单的算法

——你认为这样的事情是可能的吗？@OMG Ponies-我正在使用MS SQL，但我故意忽略了它，以查看是否有ANSI SQL方法。如果有更好的MS特定方法，我会更新这个问题。我的意思是，我觉得这听起来像NPC，但我已经很久没有证明这一点了。谢谢比尔。这就是我的想法，但正如你所说的，可能有一个特定的标准集无法满足所要求的百分比。处理边缘案例可能非常困难。