如何从大结果集中快速选择样本集？

Question

我有一个很大的结果集（R1）（几百万行），我想从中快速选择一个样本集。

我正在使用https://stackoverflow.com/a/25994039/601147，但速度太慢了。

有人知道更好的解决方案吗？ 感谢

Answer 1

如果您有自动增量列，则可以查询最小和最大ID，并让您的应用生成n随机ID lowest < random-ID < largest，您可以使用SELECT ... WHERE ... IN (<your-random-ids>)进行选择。

IN部分中的值数量在MySQL上限制为max_allowed_packet。因此，您可能必须在多个IN - 查询上拆分列表。

也不是所有随机ID都可能存在，因此您必须检查返回的行数，并使用相同的过程再次填充剩余的列表，直到您有足够的值。