Postgres中的快速随机行select
我有一个包含几百万行的postgres中的表。 我在网上查了一下，发现了以下内容
SELECT myid FROM mytable ORDER BY RANDOM() LIMIT 1; 它的工作原理，但它真的很慢…有没有另一种方式来进行查询，或直接的方式来select一个随机的行而不读取所有的表？ 顺便说一下，“myid”是一个整数，但它可以是一个空的字段。
谢谢
您可能想要尝试使用OFFSET
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
N是mytable的行数。 您可能需要先执行SELECT COUNT(*)来计算N的值。
更新 （由安东尼Hatchkins）
你必须在这里使用floor ：
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
考虑一个2行的表格; random()*N生成0 <= x < 2 ，例如SELECT myid FROM mytable OFFSET 1.7 LIMIT 1; 返回0行，因为隐式舍入到最近的int。
我试过这与子查询，它工作正常。 偏移，至less在Postgresql v8.4.4中工作正常。
select * from mytable offset random() * (select count(*) from mytable) limit 1 ;
PostgreSQL 9.5引入了一个新的方法来更快地select样本： TABLESAMPLE
语法是
SELECT * FROM my_table TABLESAMPLE BERNOULLI(percentage); SELECT * FROM my_table TABLESAMPLE SYSTEM(percentage);
如果您只需要select一行，这不是最佳解决scheme，因为您需要知道表格的COUNT以计算确切的百分比。
为了避免缓慢的COUNT和快速的TABLESAMPLE从1行到数十亿行的表格，你可以这样做：
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.000001) LIMIT 1; if you got no result: SELECT * FROM my_table TABLESAMPLE SYSTEM(0.00001) LIMIT 1; if you got no result: SELECT * FROM my_table TABLESAMPLE SYSTEM(0.0001) LIMIT 1; if you got no result: SELECT * FROM my_table TABLESAMPLE SYSTEM(0.001) LIMIT 1; ...
这可能看起来不那么优雅，但可能比任何其他答案都快。
要决定是否要使用BERNULLI或SYSTEM，请参阅http://blog.2ndquadrant.com/tablesample-in-postgresql-9-5-2/
你需要使用floor ：
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
检查这个链接了一些不同的选项。 http://www.depesz.com/index.php/2007/09/16/my-thoughts-on-getting-random-row/
更新： （A.Hatchkins）
（很长）文章的总结如下。
作者列出了四种方法：
1） ORDER BY random() LIMIT 1; – 慢
2） ORDER BY id where id>=random()*N LIMIT 1 – 如果有间隙，则不均匀
3）随机列 – 需要不时更新
4）自定义的随机聚合 – 狡猾的方法，可能会慢：random（）需要生成N次
并build议通过使用改进方法＃2
5） ORDER BY id where id=random()*N LIMIT 1 ，如果结果为空，则进行后续的重新查询。
我想出了一个没有TABLESAMPLE快速解决scheme。 比OFFSET random()*N LIMIT 1快得多。 它甚至不需要表计数。
这个想法是用随机但可预测的数据创build一个expression式索引，例如md5(primary key) 。
这里是一个1M行的示例数据的testing：
create table randtest (id serial primary key, data int not null); insert into randtest (data) select (random()*1000000)::int from generate_series(1,1000000); create index randtest_md5_id_idx on randtest (md5(id::text)); explain analyze select * from randtest where md5(id::text)>md5(random()::text) order by md5(id::text) limit 1;
结果：
Limit (cost=0.42..0.68 rows=1 width=8) (actual time=6.219..6.220 rows=1 loops=1) -> Index Scan using randtest_md5_id_idx on randtest (cost=0.42..84040.42 rows=333333 width=8) (actual time=6.217..6.217 rows=1 loops=1) Filter: (md5((id)::text) > md5((random())::text)) Rows Removed by Filter: 1831 Total runtime: 6.245 ms
这个查询有时（约1 / Number_of_rows概率）返回0行，所以需要检查和重新运行。 概率也不完全相同 – 有些行比其他行更可能。
为了比较：
explain analyze SELECT id FROM randtest OFFSET random()*1000000 LIMIT 1;
结果差异很大，但可能相当糟糕：
Limit (cost=1442.50..1442.51 rows=1 width=4) (actual time=179.183..179.184 rows=1 loops=1) -> Seq Scan on randtest (cost=0.00..14425.00 rows=1000000 width=4) (actual time=0.016..134.835 rows=915702 loops=1) Total runtime: 179.211 ms (3 rows)
