如何在 Redshift 中仅输出随机 xx% 的查询输出记录？

Posted 2023-03-30

【中文标题】如何在 Redshift 中仅输出随机 xx% 的查询输出记录？

【英文标题】：How to output only random xx% of query output records in Redshift?

【发布时间】：2020-02-18 20:22:04

【问题描述】：

当您不知道返回的记录数时，有没有办法只输出 Redshift 中输出记录总数的百分比？

假设查询的输出将是 1000 条记录。您只想随机选择其中的 60%...所以在这种情况下将是 600 条记录。

如果我知道输出总是1000，那么我会使用LIMIT 600。但是我不知道会返回多少条记录，我希望它是可变的..

有什么想法吗？

PS: 尝试使用 LIMIT (0.6*COUNT(*)) 但没有用。错误是“LIMIT 不带变量”

【参考方案1】：

如果您不需要 准确 条记录但大约 60%，那么我建议：

where random() <= 0.6

如果您确实需要一个确切的数字，那么：

select t.*
from (select t.*,
             row_number() over (order by random()) as seqnum,
             count(*) over () as cnt
      from t
     ) t
where seqnum <= 0.6 * cnt;

【讨论】：

您的意思是只将上面的 where random() 添加到查询中吗？ （是的，我需要返回记录总数的百分比，而不是确切的数字）

@ZelelB 。 . .然后使用第一个版本。它应该比尝试对数据进行排序更快。

不知何故我不明白其中的区别......你都使用 0.6（所以 60%） 确切的数字在哪里？你能提供一个例子吗？对不起，速度很慢：D

where random() <= 0.6 将为每一行生成一个随机数。假设随机数是均匀分布的，则该语句将在 60% 的时间内评估为TRUE。同样，如果您只想要 10 个随机行，您可以使用 ORDER BY RANDOM() LIMIT 10。