mysql中实现“每组各取1条随机样本”必须用row_number() over (partition by category order by rand())，再where rn = 1；直接group by + order by rand() limit 1错误且低效。
MySQL中ORDER BY RAND()配合LIMIT取单组随机行会全表扫描
直接写 SELECT * FROM t GROUP BY category ORDER BY RAND() LIMIT 1 是错的——GROUP BY 和 ORDER BY RAND() 不能这样混用，MySQL 会报错或返回不可预期结果。真正可行的是对每组分别采样，而 ORDER BY RAND() 在无索引时会导致整张表排序，性能极差，尤其当表有百万行时，一次查询可能卡住几秒。
实操建议：
- 避免在大表上直接用
ORDER BY RAND() LIMIT 1做“每组一条”，它本质是先打乱全表再分组，不是按组打乱 - 若只要「全局随机一行」，
ORDER BY RAND() LIMIT 1可用，但记得加WHERE缩小范围，比如限定status = 'active' - 真正要“每组各取 1 条随机样本”，得用窗口函数或变量模拟分组内排序，
ORDER BY RAND()必须落到每个分组内部
用ROW_NUMBER() OVER (PARTITION BY ... ORDER BY RAND())安全取每组样本
MySQL 8.0+、PostgreSQL、SQL Server 都支持该写法，核心是把 RAND() 放进 ORDER BY 子句里，让每组独立打乱顺序，再编号取首行。
示例（MySQL 8.0）：
SELECT id, category, name
FROM (
SELECT id, category, name,
ROW_NUMBER() OVER (PARTITION BY category ORDER BY RAND()) AS rn
FROM products
WHERE category IS NOT NULL
) t
WHERE rn = 1;
注意点：
-
PARTITION BY category决定分组维度，确保相同category的行被归到同一批内重排 -
ORDER BY RAND()每次执行结果不同，无法复现，测试时可临时替换成ORDER BY id * UNIX_TIMESTAMP()辅助验证逻辑 - 如果某组数据为空（如
WHERE过滤后无记录），该组自然不出现在结果中，不会补NULL - 性能仍受组内最大行数影响；若某类有 10 万行，该组内
RAND()排序开销仍高，此时应考虑预生成随机序号字段
MySQL 5.7 或更老版本只能靠变量模拟分组随机序
没有窗口函数时，必须用用户变量维护“当前组”和“组内序号”，但要注意变量赋值顺序依赖 SQL 执行顺序，且 ORDER BY 必须显式存在，否则行为不确定。
典型写法（慎用于生产）：
SELECT id, category, name
FROM (
SELECT id, category, name,
@rn := IF(@prev = category, @rn + 1, 1) AS rn,
@prev := category
FROM products
CROSS JOIN (SELECT @rn := 0, @prev := '') AS _
WHERE category IS NOT NULL
ORDER BY category, RAND()
) t
WHERE rn = 1;
关键限制：
- 必须写
ORDER BY category, RAND()—— 先按分组字段排序，再在组内打乱，否则@prev判断失效 - MySQL 5.7 默认关闭
sql_mode=ONLY_FULL_GROUP_BY时才允许这种写法，开启后会报错 - 该语句在多线程并发查询下变量状态不隔离，绝对不能用于高并发场景
- 不如升级到 MySQL 8.0 直接用窗口函数，维护成本和风险都更低
用LIMIT截断前N行时，ORDER BY RAND()不保证“均匀随机”
LIMIT 只是取排序后的前若干行，但 RAND() 产生的浮点数在重复值较多时（比如大量 NULL 或相同字符串）会导致某些行被高频选中，尤其当表存在大量重复 category 值且未加索引时。
改善方式：
- 在
PARTITION BY字段上建索引，加速分组定位，减少排序数据量 - 避免对含大量
NULL的列分组；先用WHERE category IS NOT NULL过滤 - 如果业务允许近似随机，可用哈希替代：例如
ORDER BY ABS(CRC32(category + CAST(id AS CHAR))) % 100，比RAND()快一个数量级 - 真要严格随机且数据量大，别在 SQL 层做，导出 ID 列用 Python/Shell 抽样更可控
实际跑通的关键不在语法是否漂亮，而在你有没有意识到：每次 RAND() 调用都会触发一次全组计算，而“每组一条”本质是 N 次小规模随机排序，不是一次大规模排序。漏掉这个前提，优化就全偏了。
