问题定义
我们有时候会使用以下查询语句获取数据集的随机样本。
代码语言：javascript复制select * from orders order by random() limit 10; MySQL的函数
rand或PostgreSQL的函数random会返回一个在范围0到1.0之间的随机浮点数。
它的执行计划如下，
如果orders表少于10,000行，则此方法效果很好。但是当您有1,000,000行时，排序的开销变得不可接受。原因很明显：我们将所有行排序，但只保留其中的几行。其实有更高效的方法来实现此需求。
解决方案
1. 如果在一个数值列上有一个唯一索引,且该列的值均匀分布,那么查询可以被重写为一个更高效的查询,以避免全表扫描和包含所有行的排序操作。
如果在orders的o_orderkey列存在一个唯一性索引。
create unique index ord_idx_key on orders(o_orderkey)那么上面的SQL就可以重写为下面这个SQL，
代码语言：javascript复制select * from orders
where
o_orderkey >= (
select floor( RANDOM() * ((select MAX(o_orderkey) from orders)-(select MIN(o_orderkey) from orders)) (select MIN(o_orderkey) from orders)))
order by
o_orderkey
limit 10;它的执行计划如下，执行时间降低3/4.
2. 不过不满足1.的条件, 我们可以创建一个map表来创建一个连续且唯一的列，并基于这个列来获取随机的行的数据.
代码语言：javascript复制create table orders_key_map (row_id integer GENERATED ALWAYS AS IDENTITY PRIMARY KEY, o_orderkey int not null);
INSERT INTO orders_key_map(o_orderkey) SELECT o_orderkey FROM orders;> select * from orders_key_map;
-------- -----------
| row_id | o_orderkey |
-------- -----------
| 1 | 100 |
| 2 | 102 |
| 3 | 300 |
| 4 | 833 |
| 5 | 1116 |
-------- ----------- 获取这些随机行的SQL如下:
代码语言：javascript复制select o.*
from orders o, orders_key_map m
where o.o_orderkey = m.o_orderkey
and m.row_id >= (
select floor( RAND() * ((select MAX(row_id) from orders_key_map)-(select MIN(row_id) from orders_key_map)) (select MIN(row_id) from orders_key_map)))
order by row_id
limit 10;其执行计划如下：
可以看到其执行时间为3ms左右，性能相比较原SQL提升了20倍。
虽然它比第一种方案的性能更佳，但是需要引入一张临时表，逻辑上更加复杂。具体采用哪一种方式，读者可以根据自己的实际情况进行选择。
关于PawSQL
PawSQL专注数据库性能优化的自动化和智能化，支持MySQL，PostgreSQL，openGauss，Oracle等，提供的SQL优化产品包括
- PawSQL Cloud，在线自动化SQL优化工具，支持SQL审查，智能查询重写、基于代价的索引推荐，适用于数据库管理员及数据应用开发人员，
- PawSQL Advisor，IntelliJ 插件, 适用于数据应用开发人员，可以IDEA/DataGrip应用市场通过名称搜索“PawSQL Advisor”安装。
- PawSQL Engine, 是PawSQL系列产品的后端优化引擎，可以独立安装部署，并通过http/json的接口提供SQL优化服务。PawSQL Engine以docker镜像的方式提供部署安装。
