从SQL Server表中选择n个随机行
我有一个大约有50,000行的SQL Server表。 我想随机选择约5000个这样的行。 我想到了一个复杂的方法，用一个“随机数”列创建一个临时表，将我的表复制到该表中，循环遍历临时表并使用RAND()更新每一行，然后从该表中选择随机数列<0.1。 如果可能的话，我正在寻找一种更简单的方法来做到这一点。
本文建议使用NEWID()函数。 这看起来很有希望，但我看不出我如何可靠地选择一定比例的行。
有人曾经这样做过？ 有任何想法吗？
select top 10 percent * from [yourtable] order by newid()
为了回应关于大型表格的“纯垃圾”评论：你可以这样做来提高性能。
select * from [yourtable] where [yourPk] in
(select top 10 percent [yourPk] from [yourtable] order by newid())
这些成本将成为价值加上联合成本的关键扫描，在具有小百分比选择的大型表上应该是合理的。
根据您的需求， TABLESAMPLE将为您带来几乎随机和更好的性能。 这在MS SQL Server 2005和更高版本中可用。
TABLESAMPLE将从随机页面而不是随机行返回数据，因此甚至不会检索不会返回的数据。
在我测试的一张非常大的桌子上
select top 1 percent * from [tablename] order by newid()
花了20多分钟。
select * from [tablename] tablesample(1 percent)
花了2分钟。
对于TABLESAMPLE较小样本，性能也会提高，但不会与newid() 。
请记住，这不像newid()方法那样随机，但会给你一个体面的抽样。
请参阅MSDN页面。
newid（）/ order by将会起作用，但对于大型结果集来说会非常昂贵，因为它必须为每一行生成一个id，然后对它们进行排序。
从性能的角度来看，TABLESAMPLE（）是很好的，但是你会得到结果的聚合（页面上的所有行都会被返回）。
为了获得更好的真实随机样本，最好的方法是随机过滤行。 我在SQL Server联机丛书文章中使用TABLESAMPLE限制结果集中找到以下代码示例：
如果您确实需要单个行的随机样本，请修改您的查询以随机筛选出行，而不是使用TABLESAMPLE。 例如，以下查询使用NEWID函数返回Sales.SalesOrderDetail表的大约百分之一行：
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每行的采样。 表达式CAST（CHECKSUM（NEWID（），SalesOrderID）＆0x7fffffff AS float / CAST（0x7fffffff AS int）的计算结果为0到1之间的随机浮点值。
当对一张有1,000,000行的表格运行时，这里是我的结果：
SET STATISTICS TIME ON
SET STATISTICS IO ON
/* newid()
rows returned: 10000
logical reads: 3359
CPU time: 3312 ms
elapsed time = 3359 ms
*/
SELECT TOP 1 PERCENT Number
FROM Numbers
ORDER BY newid()
/* TABLESAMPLE
rows returned: 9269 (varies)
logical reads: 32
CPU time: 0 ms
elapsed time: 5 ms
*/
SELECT Number
FROM Numbers
TABLESAMPLE (1 PERCENT)
/* Filter
rows returned: 9994 (varies)
logical reads: 3359
CPU time: 641 ms
elapsed time: 627 ms
*/
SELECT Number
FROM Numbers
WHERE 0.01 >= CAST(CHECKSUM(NEWID(), Number) & 0x7fffffff AS float)
/ CAST (0x7fffffff AS int)
SET STATISTICS IO OFF
SET STATISTICS TIME OFF
如果您可以使用TABLESAMPLE，它会为您提供最佳性能。 否则，使用newid（）/过滤器方法。 如果你有一个大的结果集，newid（）/ order by应该是最后的手段。
链接地址: http://www.djcxy.com/p/94245.html