直接ORDER BY RAND() LIMIT N不保证逻辑去重，正确做法是先去重再随机抽样；PostgreSQL可用DISTINCT ON(email) ORDER BY email, RANDOM()，MySQL推荐子查询+ROW_NUMBER()去重后ORDER BY RAND()。
MySQL 中用 ORDER BY RAND() 抽样但去重？别这么干
直接 ORDER BY RAND() LIMIT N 看似简单，但若原始表有重复行（比如多条记录字段完全相同），RAND() 无法保证结果“逻辑去重”——它只是随机排序后取前 N 行，重复数据可能全被选中，也可能全被漏掉。真正需要的是：先去重，再随机抽样。
PostgreSQL 的 DISTINCT ON + ORDER BY RANDOM() 是最稳解法
PostgreSQL 支持 DISTINCT ON 指定去重依据列，配合 RANDOM() 可实现“按某几列去重后随机取”。注意：必须在 ORDER BY 中把 RANDOM() 放在 DISTINCT ON 列之后，否则报错。
例如，从用户表中按 email 去重，随机取 5 条：
SELECT DISTINCT ON (email) * FROM users ORDER BY email, RANDOM() LIMIT 5;
常见错误是写成 ORDER BY RANDOM(), email —— 这会导致 DISTINCT ON 失效，因为排序首列不是去重键。
SQL 标准写法：子查询 + ROW_NUMBER() 配合 NEWID() 或 RANDOM()
跨数据库兼容性更强的做法是：先用窗口函数去重并编号，再在外层随机打乱。关键点在于随机种子生成函数因库而异：
- SQL Server 用
NEWID()：ORDER BY NEWID() - PostgreSQL 用
RANDOM() - MySQL 8.0+ 可用
RAND()，但注意性能差
示例（PostgreSQL）：
SELECT * FROM ( SELECT *, ROW_NUMBER() OVER (PARTITION BY email ORDER BY id) AS rn FROM users ) t WHERE rn = 1 ORDER BY RANDOM() LIMIT 5;
这里 PARTITION BY email 实现按邮箱去重，rn = 1 保留每组首行；外层 ORDER BY RANDOM() 再随机打乱这些唯一行。
大数据量时 ORDER BY RAND() 会拖垮查询
无论哪种写法，只要涉及全表随机排序，MySQL 就会建临时表并排序，100 万行以上基本不可用。替代思路是：用主键范围估算 + 两次查询。
步骤如下：
- 先查表的最小和最大
id：SELECT MIN(id), MAX(id) FROM users - 生成 N 个落在该范围内的随机整数（应用层或存储过程）
- 用
WHERE id IN (...)查询，再补足缺失（因 ID 可能被删）
这方法不保证绝对均匀，但快两个数量级。真正要精确且高效，得靠物化视图预计算去重集，或者换用支持采样的引擎（如 ClickHouse 的 TABLESAMPLE）。
去重和随机本身不难，难的是在“语义正确”“性能可控”“语法兼容”三者间做取舍——多数人卡在没想清楚到底要“去重后再随机”，还是“随机后再去重”，而这直接决定用哪条路。
