sql-server-2008 - SQL 选择行样本

Question

我需要从一组中选择示例行。例如，如果我的选择查询返回 x 行，那么如果 x 大于 50 ，我只希望返回 50 行，但不仅是前 50 行，还有 50 行，它们均匀分布在结果集中。本例中的表格记录路线 - GPS 位置 + 日期时间。我在 DateTime 上订购，需要一个合理的纬度和经度值样本。提前致谢 [SQL Server 2008]

Answer 1

要在 SQL Server 中获取示例行，请使用以下查询：

SELECT TOP 50 * FROM Table
ORDER BY NEWID();

如果您想获取每第 n 行（在本例中为第 10 行），请尝试以下查询：

SELECT * From 
(
  SELECT  *, (Dense_Rank() OVER (ORDER BY Column ASC)) AS Rank 
  FROM Table
) AS Ranking 
WHERE Rank % 10 = 0; 

资源

可以在此处找到为其他流行的 RDBMS 选择随机行的更多查询示例：http ://www.petefreitag.com/item/466.cfm

Answer 2

每第 n 行获得 50：

SELECT *
FROM table
WHERE row_number() over() MOD (SELECT Count(*) FROM table) / 50 == 0
FETCH FIRST 50 ROWS ONLY

如果您想要一个随机样本，请使用 jimmy_keen 的答案。

更新：关于它在 MS SQL 上运行的要求，我认为它应该改为这个（虽然没有 MS SQL Server 来测试）：

  SELECT TOP 50 *
   FROM (
     SELECT t.*, row_number() over() AS rn, (SELECT count(*) FROM table) / 50 AS step
     FROM table t
   )
   WHERE rn % step == 0

Answer 3

我建议您在作为随机数获得的选择结果集中添加一个计算列，然后选择按该列排序的前 50 个。这会给你一个随机样本。

例如：

SELECT TOP 50 *, RAND(Id) AS Random
FROM SourceData
ORDER BY Random

其中 SourceData 是您的源数据表或视图。顺便说一下，这假设 SQL Server 2008 上的 T-SQL。它还假设您的数据源上有一个具有唯一 ID 的 Id 列。如果您的 id 是非常小的数字，最好在将它们传递给 RAND 之前将它们乘以一个大整数，如下所示：

RAND(Id * 10000000)

Answer 4

如果您想要一个静态正确的样本，tablesample 是一个错误的解决方案。我在此处根据 Microsoft Research 论文描述的一个好的解决方案是在您的表上创建一个物化视图，其中包括一个附加列，如 CAST(ROW_NUMBER() OVER (...) AS BYTE) AS RAND_COL_，然后您可以在该列以及其他有趣的列上添加索引，并相当快地为您的查询获取统计上正确的样本。（通过使用 WHERE RAND_COL_ = 1）。