SQL 采样：每个存储桶中的一个元素

Question

这是我的基本设置的模拟：每个人可以拥有多个财产。
人表：

id  name
1   Carl
2   Sam
3   Tom
4   Jack

财产表：

possession personId
car        2
shoes      2
shovel     2
tent       3
matches    3
axe        4

我想生成属于随机一组人的一组随机财产，每人一个财产。

因此，在非 SQL 世界中，我将生成一组 N 个随机人，然后为该组中的每个人随机选择一个财产。但是如何在 SQL 语义中实现呢？

我想获得一个随机的财产样本，其中有一些变化：

SELECT * FROM Posessions WHERE 0.01 >= RAND()

然后过滤掉重复的人，但这样不好，最终会偏向拥有大量财产的人，我希望每个人都有平等的机会被选中。

有解决这个问题的规范方法吗？

附： Person 包含约 50000 个实体，Possession 包含约 2500000 个实体，但我只需要执行一次此采样，因此可能会有些慢。

Answer 1

你为什么不随机选择一组人并加入随机排列的财产。像下面的东西。对不起，如果它包含任何拼写错误，但我现在没有数据库来检查它：

    select * from (
    (select top 1 percent * from persons order by newid()) a
    inner join
    (select p.*, ROW_NUMBER() OVER (partition by personId order by newid()) r from posessions p) b
    on (a.personId = b.personId) 
)
    where r = 1;

Answer 2

一种方式是（以下 2 人，每人一件物品）

DECLARE @PeopleCount INT = 2, 
        @PossessionsPerPersonCount INT = 1;

SELECT *
FROM (SELECT TOP (@PeopleCount) *
FROM Persons
ORDER BY CRYPT_GEN_RANDOM(4)) RandomPersons 
OUTER APPLY (SELECT TOP (@PossessionsPerPersonCount) * FROM Posessions p
             WHERE RandomPersons.id = p.personId
             ORDER BY CRYPT_GEN_RANDOM(4)) RandomPosessions

希望 Possession 在 personId 上有一个索引，以便它可以查找每个人的相关行（平均 50 行），而不是为每个人扫描表中的所有 2,500,000 行。

我在上面使用了OUTER APPLY，因为您的示例数据中并非所有人都拥有财产（即 Carl 没有）。

如果您只想将拥有财产的人包括在内，并且希望每人拥有一件财产，则可以改用它。

DECLARE @PeopleCount INT = 2;

SELECT TOP (@PeopleCount) *
FROM Persons
CROSS APPLY (SELECT TOP (1) * FROM Posessions p
             WHERE Persons.id = p.personId
             ORDER BY CRYPT_GEN_RANDOM(4)) RandomPosessions
ORDER BY CRYPT_GEN_RANDOM(4);

Answer 3

以下查询将为您生成 3 个随机样本

    SELECT p.id,
    (SELECT posession FROM posessions p1 where p1.id=p.id ORDER BY RAND() LIMIT 1) as posession
    FROM posessions p
    GROUP BY p.id
    ORDER BY RAND()
    LIMIT 3

子查询生成每个人的随机占有，而外部查询生成随机人。