如何高效地从大型MySQL数据库中查询随机样本？

高效地从 MySQL 数据库查询随机样本

初始方法和局限性：

使用 SELECT * FROM table ORDER BY 生成随机样本的简单方法RAND() LIMIT 10000 面临大表的性能瓶颈。由于需要对整个表进行排序，这种方法计算量很大，对于具有数十万行的表来说不切实际。

优化采样技术：

An有效的替代方法是利用以下查询：

SELECT * FROM table WHERE rand() <= .3

此查询采用以下查询原理：

• 随机数生成： rand() 函数为每一行生成 0 到 1 之间的随机数。
• 条件选择： 然后评估每一行，根据随机数是否小于或等于来确定是否应将其包含在样本中0.3.

这种方法的优点：

• 它的O(n)，因为不需要排序。
• MySQL 的随机数生成机制确保了值的均匀分布。
• 相比之下， ORDER BY RAND() 方法的复杂度为 O(n lg n)，这使得大型数据集的速度明显变慢。

以上是如何高效地从大型MySQL数据库中查询随机样本？的详细内容。更多信息请关注PHP中文网其他相关文章！