連接兩個表，然後從結果中隨機獲取n％的行。 （查詢http://data.stackexchange.com/中的表）

Question

我試圖從stackoverflow數據轉儲中加入兩個表（用戶和帖子）後獲取1％的結果行的隨機樣本（http://data.stackexchange.com/ ）。

我用下面的查詢：

select top 1 percent * from users u join posts p ON p.OwnerUserId = u.Id 
order by newid(); 

由於在執行的時候，我得到了錯誤的一些服務器限制：

Error: "Timeout expired. The timeout period elapsed prior to completion of the operation or the server is not responding."

有人可以建議我如何優化查詢？

Answer 1

從大表中選擇隨機數據時，newid（）並不是一個很好的選擇，因爲它需要對所有行進行排序 - 如果只選擇1％，那麼浪費大量時間。

微軟推薦使用binary_checksum到select rows randomly，如果1％的精度並不重要，這應該好了很多：

select * from Users u 
join (
    select * from Posts 
    WHERE (ABS(CAST(
    (BINARY_CHECKSUM 
    (Id, NEWID())) as int)) 
    % 100) < 1 
) p on p.OwnerUserId = u.Id 

由於帖子是一個視圖，這是不可能的使用tablesample，但在一個真實的情況下，這也是一個選項。

Answer 2

隨着rand()可以顯示行的隨機數是這樣的：

set @r = rand(); 
SELECT * FROM `anuncios` WHERE rand() < @r 

• 請注意，這個方法你也可以得到零條記錄，如果你想獲得一個最小值，最大值甚至特定百分比的記錄播放將r變量設置爲任何您需要的值。