SQL Server 中性能稳定的随机排序？

Question

我想查询一个相当大的表（数百万行），提供一个种子值，以保证随机顺序的方式 - 但只要使用相同的种子，该表在多个查询中保持稳定。

到目前为止我想出的最好的是

SELECT TOP n *
      FROM tbl t
  ORDER BY t.int_column % seed, t.int_column

无论从性能角度还是从结果行在不同种子上的稍微均匀分布的角度来看，这是一种可用的方法吗？

编辑：

对于上下文，需要稳定排序，因为多个（可能是嵌套的）WHERE NOT IN 查询对同一数据集进行操作；例如

SELECT *
  FROM tbl t
 WHERE t.some_criteria = 'some_value'
   AND t.id NOT IN
(
    SELECT TOP n t.id
          FROM tbl t
         WHERE t.some_other_criteria = 'some_other_value'
      ORDER BY t.int_column % seed, t.int_column
)
   AND t.id NOT IN
(
    # etc.
)

当子选择的顺序是随机的，但不稳定（即NEWID()、TABLESAMPLE()）时，结果行在执行之间波动很大。

Answer 1

只是一个想法...您可以在表格中添加一个“RamdomSort”列。这样，排序顺序将是真正随机的，但在您使用新值更新表之前将保持可重复的可重复性。类似的东西......

ALTER TABLE dbo.MyTable ADD RandomSort INT NOT NULL 
CONSTRAINT df_MyTable_RandomSort DEFAULT(0);


UPDATE mt SET
    mt.RandomSort = ABS(CHECKSUM(NEWID())) % 100000 + 1
FROM
    dbo.MyTable mt;

SELECT 
    *
FROM
    dbo.MyTable mt
ORDER BY 
    mt.SomeValue;

如果情况允许，您甚至可以添加一个覆盖的非聚集索引来消除排序操作。

Answer 2

如果您想要随机排序，您可以使用HASHBYTES 和您选择的行中的一些数据来执行此操作。

SELECT TOP 100 *
  FROM tbl t
  ORDER BY HASHBYTES('SHA1', CONCAT(STR(t.int_column), 'seed string'))

现在，性能是个大问题。现代 CPU 非常快地执行 SHA1，因此这可能足以满足您的需求。

如果您能更多地了解性能而不是“良好的随机性”，您可以使用简单的linear congruential generator 作为转换函数：

SET ARITHABORT    OFF;
SET ARITHIGNORE   ON;
SET ANSI_WARNINGS OFF;

SELECT TOP 100 *
  FROM tbl t
  ORDER BY ((t.int_column + seed_number) * 1103515245 + 12345)

这会更快，但随机性更小。