excel随机抽取指定数据_有一张1000W 数据记录的表，主键id自增，如何随机抽取10条记录？...

每晚10点，捕获技术思考和创业资源洞察、分享职场生活、职场攻略、领导同事相处技巧和创业资源

在MYSQL中，有一张1000W 数据记录的表，主键id是自增的，如何随机抽取10条记录？

文|洪生鹏

本文旨在抛砖引玉，具体实施方案需要自己在实践中动手去尝试，不断尝试，不断改进调优。

一张1000W 数据记录的表，数据表的主键id 是自增的，需要随机抽取10条记录。请给出解决方案。

MYSQL中自带了随机取数据的rand()函数，如果数据量少，我们可以直接使用，效率是可以接受的。对此随机查询10条记录，我们可以这样写：

 SELECT * FROM 表名 ORDER BY RAND() LIMIT 10

但要是遇到数据量上千万级别时，这时如果还是采用rand()函数，很明显在性能方面不乐观。

关于RAND函数， 官网api文档是这样说明的：

You cannot use a column with RAND() values in an ORDER BY clause, because ORDER BY would evaluate the column multiple times.

由此可见，rand()放在ORDER BY 子句中导致全表扫描，这样一来性能明显下降。

那么有没有办法优化呢？毋庸置疑，答案是有的。我们尝试有两种方案来看看。

方案1

尝试用子查询实现

SELECT * FROM 表名 WHERE id >= (SELECT floor(RAND() * (SELECT MAX(id) FROM 表名))) ORDER BY id LIMIT 10; 

如果使用以上的SQL语句，发现查询到的数据是连续的，但我们要的是随机的，不难理解 LIMIT 10 得到当前查询条件的前10条，所以是相对连续的，uid 是自增的，因为用的是储存插入的，实际项目也是相对连续的。这条SQL 一次性查询无法达到我们的需求，则可分别一条条查询，如果要求的随机条数较多，不推荐采用这条SQL语句了。

但以上的随机有个缺陷，那就是数据源被限制在一个范围里，而不会在1000W数据里随机。那要是调整成

 SELECT * FROM 表名 WHERE id> ROUND(1+10000000*RAND()) LIMIT 10

是不是解决了，也不是，这种查询在数据表不够1000W数据的时候，会查询不到数据。

方案2

上面的方法我们是直接用MYSQL来实现，那么不妨换个思路，先用程序来实现。

我们先用程序生成10个随机数，(可能还要进行重复排除)，然后再由这些随机组分十次取出int x=rand()*100000

select * from 表名 where id>x order by id limit 1

不过事先从程序中生成这种方式仍然存在一个问题：如果ID分布不均匀的情况下，随机出来的ID可能会取不到足够的数据(这个随机数之前是通过最小值和最大值之间来随机的，但是这个数值的分布可能不均匀。比如id>xxx的数据可能取出来不够10条数据)

如果要从MYSQL入手，是否能够在MYSQL主键中随机取出10条并且能够利用到索引。在不连续id，空挡的情况下，尽可能平均分布的随机呢？

对此，不知你有没有更好的方案，欢迎交流，一起学习，一起进步。