Выборка случайных строк из таблицы SQL Server: NEWID()

Быстрый ответ

Для выборки N случайных записей из таблицы воспользуйтесь функцией NEWID() согласно следующему синтаксису:

SELECT TOP (n) * FROM YourTable ORDER BY NEWID();

Замените в данном примере n на требуемое количество строк, а YourTable – на название вашей таблицы. Данный подход является простым и эффективным при работе с небольшими и средними таблицами, однако его производительность не является оптимальной.

Особенности производительности при работе с большими данными

При увеличении размера базы данных использование ORDER BY NEWID() может стать проблематичным. SQL Server присваивает каждой строке новый GUID и затем сортирует их, что требует значительных временных и ресурсных затрат. В подобных ситуациях стоит рассмотреть эффективные альтернативы.

Использование TABLESAMPLE при работе с большим объемом данных

TABLESAMPLE — отличный выбор для работы с большими наборами данных:

SELECT * FROM YourTable TABLESAMPLE (10 PERCENT) REPEATABLE (12345);

Этот подход позволяет быстро выбрать страницы данных, увеличивая скорость обработки на больших таблицах. Однако результат может отличаться от заявленных 10%, особенно при работе с малыми объемами данных.

Настройка результатов с помощью одвинутых методов рандомизации

Для обеспечения равномерного распределения сочетайте функции ABS, CAST и BINARY_CHECKSUM:

SELECT * FROM YourTable
WHERE ABS(CAST((BINARY_CHECKSUM(*) * RAND()) as int)) % 100 < 10;

Сочетание контрольных сумм с функцией случайности позволяет получить требуемое соотношение результатов.

Визуализация

Представьте себе лотерейный барабан с номерами:

Данные таблицы 🎰: [ Строка 1️⃣, Строка 2️⃣, Строка 3️⃣, ..., Строка N️⃣ ]

Выборка N случайных шаров с помощью запроса:

SELECT TOP (N) * FROM YourTable ORDER BY NEWID();

сродни однократному вращению барабана (🔄) с целью определения N победителей.

🎟️ Выигрышные номера: [ Строка 1️⃣3️⃣, Строка 4️⃣2️⃣, Строка 8️⃣7️⃣ ]
# Каждое вращение определяет УНИКАЛЬНЫЕ выигрышные строки

При использовании TABLESAMPLE методика схожа с быстрым выбором шаров.

SELECT * FROM YourTable TABLESAMPLE (100 ROWS);

В данном случае скорость обработки имеет преимущество перед точностью результатов.

Предвзятость и вопросы случайности в TABLESAMPLE

TABLESAMPLE может привести к предвзятости в связи с выборкой по страницам данных, при которой не гарантируется равномерное распределение.

Работа с функцией RAND()

Указание стартового значения RAND() порождает одну и ту же последовательность. Для увеличения случайности примените:

RAND((CAST(NEWID() AS binary(4))))

Это комбинация NEWID() и RAND() для генерации случайных чисел с плавающей запятой.

Тестирование производительности вашего запроса

Мониторинг эффективности запроса можно провести с помощью:

SET STATISTICS TIME ON;
SET STATISTICS IO ON;
-- Ваш SQL запрос
SET STATISTICS TIME OFF;
SET STATISTICS IO OFF;

Этот код позволяет получить статистику по времени выполнения и операциям ввода-вывода.

Получение точного числа строк

Если требуется точное количество строк из групп, сочетайте TABLESAMPLE с подзапросами или CTE.

Гибридный подход с временной фильтрующей таблицей

Создайте временную таблицу с NEWID(), ограничьте её определенным числом строк и соедините с исходной таблицей.

SELECT YT.*
FROM YourTable YT
JOIN (SELECT TOP (n) [yourPk], NEWID() as rnd FROM YourTable ORDER BY rnd) AS TempTable
ON YT.[yourPk] = TempTable.[yourPk];

Таким образом, вы получите требуемое количество строк с сохранением случайности и без потери производительности.

Остерегайтесь потенциальных трудностей

Подробнее об этом расскажет наш спикер на видео

Внимание при работе с большими наборами данных

При обработке огромного объема данных ORDER BY NEWID() значительно снижает производительность и увеличивает время отклика. Тестирование запросов на данных, максимально близких к реальным, поможет избежать проблем.

Обеспечение случайности

Для действительно случайной выборки избегайте прибегания к стандартным шаблонам, особенно при использовании BINARY_CHECKSUM.

Научный подход к случайности

Если требуются научные методы генерации случайности, рекомендуется обратиться за советом к специалисту по статистике и проверить выбранную методологию.

Полезные материалы

1. Как выполнить ОБНОВЛЕНИЕ с использованием SELECT в SQL Server? – Stack Overflow