我在postgres中有一个包含数百万行的表。我在网上查了一下,发现了以下内容
SELECT myid FROM mytable ORDER BY RANDOM() LIMIT 1;
它工作,但它真的很慢......是否有另一种方式来进行查询,或者直接选择随机行而不读取所有表格?顺便说一下'myid'是一个整数,但它可以是一个空字段。
谢谢
您可能想要尝试使用OFFSET
,如
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
N
是mytable
中的行数。您可能需要先做一个SELECT COUNT(*)
来计算N
的值。
更新(由Antony Hatchkins提供)
你必须在这里使用floor
:
SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
考虑一个2行的表; random()*N
生成0 <= x < 2
,例如SELECT myid FROM mytable OFFSET 1.7 LIMIT 1;
返回0行,因为隐式舍入到最近的int。
PostgreSQL 9.5引入了一种新方法,可以更快地选择样本:TABLESAMPLE
语法是
SELECT * FROM my_table TABLESAMPLE BERNOULLI(percentage);
SELECT * FROM my_table TABLESAMPLE SYSTEM(percentage);
如果您只想选择一行,这不是最佳解决方案,因为您需要知道表的COUNT来计算确切的百分比。
为了避免缓慢的COUNT并对从1行到数十亿行的表使用快速TABLESAMPLE,您可以:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.000001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.00001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.0001) LIMIT 1;
-- if you got no result:
SELECT * FROM my_table TABLESAMPLE SYSTEM(0.001) LIMIT 1;
...
这可能看起来不那么优雅,但可能比任何其他答案都快。
要决定是否要使用BERNOULLI订单SYSTEM,请阅读qazxsw poi的差异
我用子查询尝试了这个,它工作得很好。偏移,至少在Postgresql v8.4.4中工作正常。
http://blog.2ndquadrant.com/tablesample-in-postgresql-9-5-2/
你需要使用select * from mytable offset random() * (select count(*) from mytable) limit 1 ;
:
floor
检查此链接以获取一些不同的选项。 SELECT myid FROM mytable OFFSET floor(random()*N) LIMIT 1;
更新:(A.Hatchkins)
(非常)长文章的摘要如下。
作者列出了四种方法:
1)http://www.depesz.com/index.php/2007/09/16/my-thoughts-on-getting-random-row/ - 慢
2)ORDER BY random() LIMIT 1;
- 如果存在空隙则不均匀
3)随机列 - 需要不时更新
4)自定义ORDER BY id where id>=random()*N LIMIT 1
- 狡猾的方法,可能很慢:random()需要生成N次
并建议使用改进方法#2
5)random aggregate,如果结果为空,则后续重新查询。
我想出了一个没有ORDER BY id where id=random()*N LIMIT 1
的快速解决方案。比TABLESAMPLE
快得多。它甚至不需要表计数。
我们的想法是创建一个具有随机但可预测数据的表达式索引,例如OFFSET random()*N LIMIT 1
。
这是一个包含1M行样本数据的测试:
md5(primary key)
结果:
create table randtest (id serial primary key, data int not null);
insert into randtest (data) select (random()*1000000)::int from generate_series(1,1000000);
create index randtest_md5_id_idx on randtest (md5(id::text));
explain analyze
select * from randtest where md5(id::text)>md5(random()::text)
order by md5(id::text) limit 1;
此查询有时(大约1 / Number_of_rows概率)返回0行,因此需要检查并重新运行。同样的概率也不完全相同 - 有些行比其他行更可能。
为了比较:
Limit (cost=0.42..0.68 rows=1 width=8) (actual time=6.219..6.220 rows=1 loops=1)
-> Index Scan using randtest_md5_id_idx on randtest (cost=0.42..84040.42 rows=333333 width=8) (actual time=6.217..6.217 rows=1 loops=1)
Filter: (md5((id)::text) > md5((random())::text))
Rows Removed by Filter: 1831
Total runtime: 6.245 ms
结果差异很大,但可能非常糟糕:
explain analyze SELECT id FROM randtest OFFSET random()*1000000 LIMIT 1;
获取随机行的最简单,最快捷的方法是使用 Limit (cost=1442.50..1442.51 rows=1 width=4) (actual time=179.183..179.184 rows=1 loops=1)
-> Seq Scan on randtest (cost=0.00..14425.00 rows=1000000 width=4) (actual time=0.016..134.835 rows=915702 loops=1)
Total runtime: 179.211 ms
(3 rows)
扩展:
tsm_system_rows
然后,您可以选择所需的确切行数:
CREATE EXTENSION IF NOT EXISTS tsm_system_rows;
这适用于PostgreSQL 9.5及更高版本。
见:SELECT myid FROM mytable TABLESAMPLE SYSTEM_ROWS(1);