如何從大型 MySQL 資料庫中高效提取簡單的隨機樣本？

在MySQL 中利用高效的簡單隨機取樣

問題陳述：

從使用「顯而易見」的方法（顯而易見」的方法（顯而易見」的方法（顯而易見」的方法（顯而易見」 SELECT * FROM table ORDER BY）有效率地大型MySQL 資料庫可能具有挑戰性RAND() 限制n)。這種方法效率低下的原因在於它對每行使用 RAND() 並進行後續排序，導致資源密集型 O(n lg n) 複雜度。

高效解決方案：

要克服這個障礙，請考慮採用更有效的方法：

SELECT * FROM table WHERE RAND() <= 0.3

此解決方案優於「顯而易見」的方法，因為它能夠為每行產生0 到1 之間的隨機數，然後根據機率閾值（本例中為0.3）評估是否顯示該行。

解釋：

• O(n) 複雜度： 此方法運行在O(n) 時間內，因為與簡單方法的O(n lg n) 複雜度相比，它不需要對行進行排序。
• MySQL 的隨機數產生： MySQL 很好- 能夠為每一行產生唯一的隨機數，使此方法成為可行的選擇。
• 假設：隨機性假設這個解的基礎，假設 RAND() 產生均勻分佈的數字。

其他注意事項：

• 限制取樣：為了確保樣本具有所需的大小，請相應地調整機率閾值。例如，要從包含200,000 行的表格中取得10,000 行的樣本，請使用： SELECT * FROM table WHERE RAND()
• 索引最佳化： 如果您的資料是頻繁更新，考慮在插入/更新時對RAND() 結果建立索引以改進表演。

以上是如何從大型 MySQL 資料庫中高效提取簡單的隨機樣本？的詳細內容。更多資訊請關注PHP中文網其他相關文章！