RAND()无法按权重抽样，因其每行独立生成随机值且不感知分组或权重，无法实现“某组被选中概率是另一组2倍”；ORDER BY RAND() * weight仅打乱顺序，不保证比例；推荐用UNION ALL展开权重后随机抽取。
为什么直接用 RAND() 无法按权重抽样
因为 RAND() 在每行独立生成随机值，不感知分组或权重——你没法靠它“让某组被选中的概率是另一组的2倍”。更关键的是，SQL标准中 RAND() 在同一查询内多次调用可能返回相同值（尤其在MySQL旧版本），而窗口函数如 ROW_NUMBER() 或 SUM() OVER 又不能直接嵌套随机计算来模拟加权分布。常见错误是写成 ORDER BY RAND() * weight，这只会打乱顺序，不保证抽样比例。
用 UNION ALL 展开权重再随机取样的实操方案
这是最兼容、最可控的做法：把每条记录按其 weight 字段复制多份，再整体随机抽取。适合权重为整数且总和不过大的场景（比如单组权重和 ≤10000）。
- 假设表
t_users有字段group_id,user_id,weight - 先用递归CTE或数字表生成 1~max(weight) 的序列（MySQL 8.0+ 可用
WITH RECURSIVE nums AS (...)） - 核心连接逻辑：
JOIN nums ON nums.n ，这样每条记录就展开成 <code>weight行 - 最后
ORDER BY RAND() LIMIT N即可等效实现加权随机抽样
示例片段（MySQL 8.0）：
WITH RECURSIVE nums AS ( SELECT 1 AS n UNION ALL SELECT n + 1 FROM nums WHERE n < (SELECT MAX(weight) FROM t_users) ) SELECT group_id, user_id FROM t_users t JOIN nums ON nums.n <= t.weight ORDER BY RAND() LIMIT 100;
用 ROW_NUMBER() OVER (PARTITION BY ... ORDER BY RAND() * weight) 的陷阱
这个写法看似聪明，但实际无效：RAND() * weight 虽然放大了差异，但窗口函数的 ORDER BY 子句中允许使用随机表达式，ROW_NUMBER() 仍只是对当前分组内所有行做一次排序编号，并不控制“该组被选中的概率”。你得到的是每组内部随机排前N，不是跨组按权重分配名额。
- 真正需要的是“全局加权分布”，不是“分组内加权排序”
- 若硬要用窗口函数，必须配合累计权重（cumulative weight）+ 全局随机阈值，例如：先算出每组权重占比，再生成一个
RAND()值，匹配到对应区间——但这需要两趟扫描，且不易控制精确样本量 - PostgreSQL 用户可考虑
TABLESAMPLE SYSTEM (x)，但它不支持自定义权重，仅按页近似采样
生产环境建议：预计算累计权重 + 二分查找模拟
当权重非整数、或单组权重极大（如百万级）、或需严格控制总样本数时，展开法不可行。此时应换思路：把每组视为一个带权重的区间，例如 A组权重30、B组40、C组30 → 累计为 [0,30), [30,70), [70,100)。然后生成一个 RAND() * 100，查落在哪个区间。
- 用
SUM(weight) OVER (ORDER BY group_id ROWS UNBOUNDED PRECEDING)计算累计值 - 用
LATERAL（PostgreSQL）或相关联子查询（MySQL）匹配随机值所在区间 - 注意：累计值必须唯一排序键（如加
group_id防止并列），否则区间边界模糊 - 该方法抽样结果服从权重分布，但单次查询无法保证恰好抽到整数个样本——需外层循环或补抽逻辑
真正难的不是写出语句，而是确认你的“权重”是否已归一化、是否有负值、是否含NULL——这些都会让累计逻辑崩掉，而错误往往静默发生。
