database - Postgresql：将 distinct/group by 与 ORDER BY RANDOM() 组合

Question

我有一张如下表

id| page |   text
------------------------
1 | page1 | Hello World
2 | page1 | Foo Bar
3 | page2 | Baz Baz
3 | page2 | Some Text
4 | page3 | Some Other Text

我想选择 2 个随机条目 - 但每个页面只允许在结果中出现一次。

我有

SELECT * FROM mydata ORDER BY RANDOM(); 限制 2

但是我可以将它与DISTINCT或分组结合起来吗？

Answer 1

就像是：

select id, page, text
from (
  select id, page, text,
         row_number() over (partition by page order by random()) as rn
  from mydata
) 
where rn <= 2

Answer 2

与欧文的回答相同，只是有点结构化：http ://www.sqlfiddle.com/#!1/d3e83/6

with first_random as
(
  select * from tbl order by random() limit 1
)
, second_random as
(
  select * 
  from tbl 
  where page <> (select page from first_random)
  order by random() limit 1
)
select * from first_random
union
select * from second_random;

与 a_horse_with_no_name 的答案相同，但这是正确的：http ://www.sqlfiddle.com/#!1/d3e83/12

select id, page, text, rn
from (
  select id, page, text,
         row_number() over (partition by page order by random()) as rn
  from tbl
) x
where rn = 1
order by random() 
limit 2;

选择后者，执行计划更简单

Answer 3

如果您想要：
... 来自基表的总共两行
... 并让每个页面都有相同的机会出现在示例中，无论它在表中有多少条目：

SELECT *
FROM  (
    SELECT DISTINCT ON (page) *
    FROM   mydata
    ORDER  BY page, random() -- pick one random entry per page
    ) x
ORDER BY random() -- pick two random pages
LIMIT 2;

或者，使用窗口函数：

WITH x AS (
   SELECT *, row_number() OVER (PARTITION BY page ORDER BY random()) AS rn
   FROM   mydata
   )
SELECT id, page, text
FROM   x
WHERE  rn = 1
ORDER  BY random()
LIMIT  2;

您必须测试哪个更快。
如果你正在处理一个大表并且需要快速的性能，你可以做得更好。这是一种方法。

---

另一方面，如果您想要：
... 表中总共有两行mydata
... 并给每个条目（几乎）相等的机会a 出现在样本中，有效地为具有更多条目的页面提供更好的机会在表中。
机会仍然不是真正相等的 - 根据定义，您的限制增加了稀有页面条目的机会。

WITH x AS (
   SELECT *
   FROM   mydata
   ORDER  BY random()
   LIMIT 1
   )
SELECT * FROM x
UNION ALL
(
SELECT m.*
FROM mydata m
   , x
WHERE m.page <> x.page -- assuming page IS NOT NULL
ORDER BY random()
LIMIT 1
);

第二个周围的括号SELECT是UNION允许单独订购的。
使用 PostgreSQL 9.1 测试。窗口函数需要 8.4 或更高版本。

Answer 4

这可能有效：

SELECT * FROM
  (SELECT * FROM mydata GROUP BY page) t
ORDER BY RANDOM() LIMIT 2