Sql 我将从mytable中为您提供5%的元素

请参阅有关文档的更多说明：

如果您知道需要多少行，请查看。

tsm_系统_行 模块提供表采样方法SYSTEM_ROWS，可在SELECT命令的TABLESAMPLE子句中使用

此表采样方法接受单个整数参数，该参数是要读取的最大行数。结果样本将始终精确地包含那么多行，除非表中没有足够的行，在这种情况下，将选择整个表与内置系统采样方法一样，SYSTEM_行执行块级采样，因此样本不是完全随机的，但可能会受到聚类影响，特别是在仅请求少量行的情况下。

首先安装扩展

CREATE EXTENSION tsm_system_rows;

那么你的提问,

SELECT *
FROM table
TABLESAMPLE SYSTEM_ROWS(1000);

---

这是一个适合我的决定。我想这很容易理解和执行

SELECT 
  field_1, 
  field_2, 
  field_2, 
  random() as ordering
FROM 
  big_table
WHERE 
  some_conditions
ORDER BY
  ordering 
LIMIT 1000;

---

我知道我参加聚会有点晚了，但我刚刚发现了一个很棒的工具，名为：

pg_sample

-从更大的PostgreSQL数据库中提取一个小样本数据集，同时保持引用完整性

我用一个350M行的数据库尝试了这个方法，速度非常快，我不知道随机性

/pg\U sample--limit=“small\U table=*”--limit=“large\U table=100000”-U postgres source\U db | psql-U postgres target\U db

我的经验教训：

offset floor（random（）*N）limit 1

不快于

order by random（）limit 1

---

---

我认为

offset

方法会更快，因为它可以节省Postgres排序的时间。事实并非如此。

嗨，杰克，谢谢你的回复，执行时间按顺序会慢一些，但我想知道哪一个是不同的，如果有的话……嗯……不客气。那么，您是否尝试过对不同的方法进行基准测试？还有更快的方法。这完全取决于你的要求和你必须处理的事情。你需要整整1000行吗？该表是否有数字标识？没有/很少/很多差距？速度有多重要？每个时间单位有多少个请求？是否每个请求都需要不同的集合，或者对于定义的时间片，它们可以是相同的？第一个选项“（random（）<0.01）”在数学上是错误的，因为如果没有随机数低于0.01，则无法得到任何响应行，这在任何情况下都可能发生（尽管可能性较小），无论表有多大或阈值有多高。第二个选项总是正确的如果您只想选择一行，请参阅以下问题：编写临时文件进行排序的好处。这确实是一个巨大的成功。我想我们可以做

random（）<0.02

然后洗牌列表，然后

限制1000

！这种排序在几千行（lol）上花费更少。“select*from table where random（）<0.05 limit 500；”是postgresql的一种更简单的方法。我们在一个项目中使用了这一点，我们需要一次选择5%的结果，而不是一次处理500行。为什么在世界上，你会考虑一个O（n）全扫描来检索一个500米行表上的样本吗？它在大型表上的速度慢得可笑，完全没有必要。t表在哪里定义？它应该是r而不是t吗？@LucM:这里定义了它：

joinbigtbl t

，它是

joinbigtblast

的缩写

t

是用于

bigtbl

的。它的目的是缩短语法，但在这种特殊情况下不需要它。我在回答中简化了查询并添加了一个简单的版本。generate_series（11100）中的值范围的用途是什么？@Awesome-o：目标是检索1000行，我从额外的10%开始，以补偿一些间隙或（不太可能但可能）重复的随机数。。。解释在我的回答中。欧文，我发布了你的“可能的替代方案”的一个变体：。我会对你的想法感兴趣。非常有趣。如果我不仅需要选择，而且还需要使用select进行更新，那么使用pg\u try\u advisory\u xact\u锁进行更新，这是否有效？（也就是说，我需要很多并发读写操作）但是没有理由不在第一个示例的末尾添加限制1。唯一的问题是你有可能没有记录，所以你必须在代码中考虑这一点。Fisher Yates的问题是你需要把整个数据集存储在内存中才能从中选择。对于非常大的数据集是不可行的：（我喜欢这个，因为它既短又优雅：）我甚至找到了改进它的方法：解释分析告诉我，像这样，不会使用PKEY索引，因为random（）返回一个double，而PKEY需要一个BIGINT.select*，来自于您的_表，其中r>（选择（从pg_类中选择reltuples:：bigint作为估算值，其中oid='public.YOUR_TABLE'：：regclass）*random（）：：bigint按r asc限制排序（1）；文档中的一个重要注释："系统方法对具有指定被选择机会的每个块进行块级采样；返回每个选定块中的所有行。当指定较小的采样百分比时，系统方法比伯努利方法快得多，但由于聚类效果，它可能返回较少的表随机样本ects。“有没有办法指定行数而不是百分比？您可以使用

TABLESAMPLE SYSTEM_rows（400）

获得400个随机行的样本。您需要启用以使用此语句。我为您添加的答案添加了一个链接，这是对内置

SYSTEM

方法的显著改进。我刚刚回答了一个问题（随机单记录）在此期间，我执行了相当多的

tsm_系统_行

和

tsm_系统_时间

扩展。就我所见，它们除了绝对最小的扩展之外，几乎没有任何用处

select * from table where random() < 0.01 limit 1000;

SELECT * FROM f_random_sample();
SELECT * FROM f_random_sample(500, 1.05);

SELECT * FROM big TABLESAMPLE SYSTEM ((1000 * 100) / 5100000.0);

SELECT * FROM big TABLESAMPLE SYSTEM_ROWS(1000);

select your_columns from your_table ORDER BY random()

select * from 
  (select distinct your_columns from your_table) table_alias
ORDER BY random()

select your_columns from your_table ORDER BY random() limit 1

id_values  id  |   used
           ----+--------
           1   |   FALSE
           2   |   FALSE
           3   |   FALSE
           4   |   FALSE
           5   |   FALSE
           ...

select * from YOUR_TABLE 
where r > (
    select (
        select reltuples::bigint AS estimate
        from   pg_class
        where  oid = 'public.YOUR_TABLE'::regclass) * random()
    )
order by r asc limit(1);

SELECT * FROM mytable TABLESAMPLE SYSTEM (5);

select * from table order by random() limit 1000;

CREATE EXTENSION tsm_system_rows;

SELECT *
FROM table
TABLESAMPLE SYSTEM_ROWS(1000);

SELECT 
  field_1, 
  field_2, 
  field_2, 
  random() as ordering
FROM 
  big_table
WHERE 
  some_conditions
ORDER BY
  ordering 
LIMIT 1000;