通过均匀跳过行来选择固定的行数

Posted 2023-03-31

【中文标题】通过均匀跳过行来选择固定的行数

【英文标题】：SELECT fixed number of rows by evenly skipping rows

【发布时间】：2014-11-19 09:32:43

【问题描述】：

我正在尝试编写一个返回任意大小的代表性数据样本的查询。我想通过只选择 n^th 行来做到这一点，其中 n 使得整个结果集尽可能接近任意大小。

我希望它在结果集通常小于任意大小的情况下工作。在这种情况下，应该返回整个结果集。

我找到了this question，它显示了如何选择每 n^th 行。

这是我目前所拥有的：

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT) AS rn
   FROM data_raw) sa
WHERE sa.rn=0;

这会导致以下错误：

错误：列“data_raw.serial”必须出现在 GROUP BY 子句中或用于聚合函数位置：23

像这样删除n 的计算：

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time"))
              % 50 AS rn FROM data_raw) sa
LIMIT 500;

我还尝试将计算移至 WHERE 子句：

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time")) AS rn
   FROM data_raw) sa
WHERE (sa.rn % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT)=0;

这也会导致错误：

错误：WHERE 位置：108 中不允许使用聚合函数

有没有人对如何修复我的查询或更好的方法有任何想法？

我也考虑过使用随机数和概率来选择行，但我宁愿做一些确定性的事情，而不会出现聚集的可能性。

【问题讨论】：

顺便说一句，第 9.4 页？您正在使用测试版吗？

是的，我使用的是 9.4。

【参考方案1】：

您第一次尝试的错误是您不能将聚合函数 count(*) 与 un-aggregated 行选择混合。您可以改用count() 作为窗口聚合函数来解决此问题：

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*) OVER () / 500.0)::int) AS rn
   FROM   data_raw
   ) sub
WHERE sub.rn = 0;

这里有详细解释：

Best way to get result count before LIMIT was applied

@Alexander 为您的最后一次尝试提供了修复。

【参考方案2】：

您应该将该计算设为子查询：

WHERE rn % (SELECT CEIL(COUNT(*)::FLOAT / 500:FLOAT)::BIGINT FROM data_raw) = 0

这样，它不再被视为一个聚合函数，而是一个标量查询。