我有一张看起来像这样的桌子：
id: primary key
content: varchar
weight: int
我想做的是从这张表中随机选择一行，但要考虑到重量。例如，如果我有 3 行：
id, content, weight
1, "some content", 60
2, "other content", 40
3, "something", 100
第一行有 30% 的几率被选中，第二行有 20% 的几率被选中，第三行有 50% 的几率被选中。
有没有办法做到这一点？如果我必须执行 2 或 3 个查询，这不是问题。
【问题讨论】：
我不记得如何在 mysql 中使用 RND()，但这里是 MSSQL 的工作示例：
SELECT TOP(1) (weight +RAND ()) r, id, content, weight FROM Table
ORDER BY 1 DESC
如果 TOP(1) 不适用，您只需从总结果集中获取第一条记录。
【讨论】：
SELECT * FROM table ORDER BY weight*random() DESC LIMIT 1 看起来更好、更短并且传输的数据更少；-)
也许这个：
SELECT * FROM <Table> T JOIN (SELECT FLOOR(MAX(ID)*RAND()) AS ID FROM <Table> ) AS x ON T.ID >= x.ID LIMIT 1;
或者这个：
SELECT * FROM tablename
WHERE somefield='something'
ORDER BY RAND() LIMIT 1
【讨论】：
这在 MSSQL 中有效，我确信应该可以更改几个关键字以使其在 MySQL 中也有效（甚至更好）：
SELECT TOP 1 t.*
FROM @Table t
INNER JOIN (SELECT t.id, sum(tt.weight) AS cum_weight
FROM @Table t
INNER JOIN @Table tt ON tt.id <= t.id
GROUP BY t.id) tc
ON tc.id = t.id,
(SELECT SUM(weight) AS total_weight FROM @Table) tt,
(SELECT RAND() AS rnd) r
WHERE r.rnd * tt.total_weight <= tc.cum_weight
ORDER BY t.id ASC
想法是对每一行（subselect-1）有一个累积权重，然后在这个累积范围内找到跨越的RAND()的位置。
【讨论】：
一种简单的方法（避免连接或子查询）是将权重乘以 0 到 1 之间的随机数来生成临时权重以进行排序：
SELECT t.*, RAND() * t.weight AS w
FROM table t
ORDER BY w DESC
LIMIT 1
要理解这一点，请考虑RAND() * 2x 将在大约三分之二的时间里大于RAND() * x 的值。因此，随着时间的推移，每行的选择频率应与其相对权重成正比（例如，选择权重为 100 的行的频率将是选择权重为 1 的行的大约 100 倍，等等）。
更新：这种方法实际上并不能产生正确的分布，所以现在不要使用它！（参见下面的 cmets）。我认为仍然应该有一个类似于上面的简单方法可以工作，但现在下面更复杂的方法，涉及连接，可能会更好。我留下这个答案是因为：（a）下面的 cmets 中有相关讨论，以及（b）如果/当我有机会时，我会尝试修复它。
【讨论】：
我尝试过 van 的解决方案，虽然可行，但速度并不快。
我解决此问题的方法是为权重维护一个单独的链接表。基本的表结构是这样的：
CREATE TABLE `table1` (
`id` int(11) UNSIGNED AUTO_INCREMENT PRIMARY KEY,
`name` varchar(100),
`weight` tinyint(4) NOT NULL DEFAULT '1',
);
CREATE TABLE `table1_weight` (
`id` bigint(20) UNSIGNED AUTO_INCREMENT PRIMARY KEY,
`table1_id` int(11) NOT NULL
);
如果我在 table1 中有一个权重为 3 的记录，那么我在 table1_weight 中创建 3 条记录，通过 table1_id 字段链接到 table1。无论weight 的值在table1 中是多少，这就是我在table1_weight 中创建的链接记录数。
在table1 中有 976 条记录的数据集上，总权重为 2031，因此table1_weight 中有 2031 条记录，我运行了以下两个 SQL：
van 的解决方案的一个版本
SELECT t.*
FROM table1 t
INNER JOIN
( SELECT t.id,
SUM(tt.weight) AS cum_weight
FROM table1 t
INNER JOIN table1 tt ON tt.id <= t.id
GROUP BY t.id) tc ON tc.id = t.id,
( SELECT SUM(weight) AS total_weight
FROM table1) tt,
( SELECT RAND() AS rnd) r
WHERE r.rnd * tt.total_weight <= tc.cum_weight
ORDER BY t.id ASC
LIMIT 1
加入辅助表进行加权
SELECT t.*
FROM table1 t
INNER JOIN table1_weight w
ON w.table1_id = t.id
ORDER BY RAND()
LIMIT 1
SQL 1 始终需要 0.4 秒。
SQL 2 需要 0.01 到 0.02 秒。
如果选择随机加权记录的速度不是问题，那么 van 建议的单表 SQL 就可以了，并且没有维护单独表的开销。
如果在我的情况下，选择时间很短，那么我会推荐两表方法。
【讨论】：
这个似乎可行，但我不确定它背后的数学原理。
SELECT RAND() / t.weight AS w, t.*
FROM table t
WHERE t.weight > 0
ORDER BY 1
LIMIT 1
我对它起作用的原因的猜测是升序查找最小的结果，并且通过除以权重以获得更高的权重，随机结果更紧密地聚集在零附近。
我用超过 3000 行的 209000 个查询对其进行了测试（实际上与 postgresql 中的算法相同），并且权重表示正确。
我的输入数据：
select count(*),weight from t group by weight
count | weight
-------+--------
1000 | 99
1000 | 10
1000 | 100
(3 rows)
我的结果：
jasen=# with g as ( select generate_series(1,209000) as i )
,r as (select ( select t.weight as w
FROM t
WHERE t.weight > 0
ORDER BY ( random() / t.weight ) + (g.i*0) LIMIT 1 ) from g)
select r.w, count(*), r.w*1000 as expect from r group by r.w;
w | count | expect
-----+-------+--------
99 | 98978 | 99000
10 | 10070 | 10000
100 | 99952 | 100000
(3 rows)
+(g.i*0) 对算术结果没有影响，但需要外部引用来强制规划器重新评估在 g 中生成的每个 209K 输入行的子选择
【讨论】：
我认为最简单的其实是使用加权水库采样：
SELECT
id,
-LOG(RAND()) / weight AS priority
FROM
your_table
ORDER BY priority
LIMIT 1;
这是一种很棒的方法，可以让您从 N 个元素中选择 M 个，其中每个元素被选择的概率与其权重成正比。当您碰巧只需要一个元素时，它也同样有效。 该方法在this article 中有描述。注意他们选择POW(RAND(), 1/weight)的最大值，相当于选择-LOG(RAND())/weight的最小值。
【讨论】：