如何将含group_id的表按组拆分至近似等容的N个桶中？

AI 小北

2026-7-3

按分组近似均分数据到桶的简便实现方案

需求说明

我有一张包含id和外键group_id的表，希望将其拆分为N=2个近似等容量的桶，要求同一group_id的所有行必须处于同一个桶中。

输入示例数据

id, group_id
1,1
2,1
3,2
4,NULL
5,1
6,2

输出示例数据

id, group_id, bucket_id
1,1,1
2,1,1
3,2,2
4,NULL,2
5,1,1
6,2,2

简便实现方案（以SQL为例）

可以通过窗口函数结合分组统计的方式快速实现，核心逻辑是先统计每个分组的大小，再通过累计求和分配桶，确保同一组的行全在一个桶内：

统计分组大小：先计算每个group_id（包括NULL）对应的行数，把NULL视为独立分组。
排序并计算累计行数：按分组大小降序排序，计算累计行数，优先处理大分组，能让两个桶的容量更接近。
分配桶ID：根据累计行数是否超过总数据量的一半，给每个分组分配对应的桶ID，最后关联原表得到结果。

完整SQL代码如下：

WITH group_sizes AS (
    -- 统计每个分组的行数
    SELECT group_id, COUNT(*) AS group_size
    FROM your_table
    GROUP BY group_id
),
ranked_groups AS (
    -- 计算累计行数和总数据量
    SELECT 
        group_id, 
        group_size,
        SUM(group_size) OVER (ORDER BY group_size DESC) AS cumulative_size,
        (SELECT SUM(group_size) FROM group_sizes) AS total_size
    FROM group_sizes
)
-- 关联原表分配桶ID
SELECT 
    t.id,
    t.group_id,
    CASE 
        WHEN rg.cumulative_size - rg.group_size <= total_size / 2 THEN 1 
        ELSE 2 
    END AS bucket_id
FROM your_table t
LEFT JOIN ranked_groups rg ON t.group_id = rg.group_id;