SQL如何实现按比例抽样数据_ROW_NUMBER结合百分比过滤-SQL-PHP中文网

直接用row_number()配合取模（如where rn % 10 = 1）做比例抽样行不通，因其结果严重依赖order by字段的分布：若按自增主键排序，则抽中开头连续段；若按倾斜字段（如城市）排序，则某些组全中、某些全无，实为伪周期采样而非真正比例抽样。

sql如何实现按比例抽样数据_row_number结合百分比过滤

用 `ROW_NUMBER()` 做比例抽样为什么行不通

直接对全表加 ROW_NUMBER() OVER (ORDER BY ...) 再用 % 取余过滤，比如 WHERE rn % 10 = 1 模拟 10% 抽样，看似简单，但结果严重依赖 ORDER BY 字段的分布。如果按主键排序，而主键是自增 ID，那抽出来的就是开头连续一段，根本不是随机抽样；如果按某个倾斜字段（如城市名）排序，某些组可能全被抽中、某些完全落空。这不是比例抽样，是伪周期采样。

`NTILE()` 是更靠谱的替代方案

NTILE(n) 会把结果集**大致均分**为 n 组，每组编号 1 到 n，适合做粗粒度比例控制。比如要抽 15%，可设 NTILE(100)，再取 ntile ：

SELECT * FROM (
  SELECT *, NTILE(100) OVER (ORDER BY RANDOM()) AS ntile
  FROM your_table
) t WHERE ntile <p>注意三点：<br>• 必须用 <code>ORDER BY RANDOM()</code>（PostgreSQL）或 <code>ORDER BY NEWID()</code>（SQL Server）保证打散，不能用固定字段<br>• <code>NTILE</code> 不保证每组行数绝对相等（总数不能被 n 整除时，前几组多 1 行），但误差可控<br>• MySQL 8.0+ 支持 <code>NTILE</code>，MySQL 5.7 及更早版本不支持，得换思路</p><h3>MySQL 5.7 兼容写法：用 <code>RAND()</code> 过滤更直接</h3><p>不需要窗口函数，直接在 <code>WHERE</code> 中用 <code>RAND()</code> 生成 [0,1) 区间随机数，和目标比例比较：</p><pre class="brush:php;toolbar:false;">SELECT * FROM your_table WHERE RAND() <p>这个语句每行独立判断，理论上接近 15% 概率被选中。但要注意：<br>• <code>RAND()</code> 在 MySQL 中**每行调用一次**，行为符合预期<br>• 如果加了 <code>LIMIT</code>，可能提前截断，导致实际比例偏差大，慎用<br>• 在有 <code>JOIN</code> 或子查询的复杂语句里，<code>RAND()</code> 可能被多次求值，建议包裹成派生表隔离</p><h3>抽样结果不稳定？那是没理解 <code>RAND()</code> 的执行时机</h3><p>在同一个查询中多次引用 <code>RAND()</code>（比如 <code>SELECT RAND(), RAND()</code>），会得到不同值；但在 <code>WHERE</code> 和 <code>SELECT</code> 中混用，可能导致意外过滤。更隐蔽的问题是：如果语句带 <code>GROUP BY</code> 或聚合，MySQL 可能将 <code>RAND()</code> 提升到外部作用域，造成整组共用一个随机值——结果就不是行级抽样了。稳妥做法是显式用子查询固化随机性：</p><pre class="brush:php;toolbar:false;">SELECT * FROM (
  SELECT *, RAND() AS r FROM your_table
) t WHERE r <p>真正需要稳定可复现抽样的场景（比如 AB 实验），不能依赖 <code>RAND()</code>，得用哈希 + 取模，例如 <code>ABS(HASH(id)) % 100 ，但这就超出 <code>ROW_NUMBER</code> 范畴了。</code></p>