使用SQLAlchemy+PostgreSQL随机抽样查询结果无随机性问题排查

你的问题出在三个核心环节，导致采样查询和全表过滤查询的结果顺序甚至内容出现一致性：

1. TABLESAMPLE 的执行顺序不符合预期 #

在SQL中，TABLESAMPLE是在WHERE过滤之前执行的。你当前的写法是先对整个Topic表做2.5%的随机采样，再从采样结果里筛选topic='emotion'的行，而非先过滤出所有情感类主题再做采样，这和你预期的逻辑完全相悖。

2. 固定采样种子导致结果无随机性 #

你在tablesample中指定了第三个参数10作为随机种子，PostgreSQL会基于该种子生成固定的采样结果——只要种子不变，每次采样返回的行都是完全一致的，自然不会有随机效果。

3. 缺少显式排序导致返回顺序依赖物理存储 #

PostgreSQL在未指定ORDER BY时，会按照数据在磁盘上的物理存储顺序返回结果。即使采样是随机的，采样得到的行在原表中的物理顺序可能和全表过滤结果的顺序一致，最终呈现出“顺序完全相同”的现象。

修正方案 #

方案一：先过滤后采样（符合预期逻辑） #

如果你的目标是从所有topic='emotion'的行中随机采样2.5%，需要调整执行顺序，先过滤再采样：

# 先过滤情感类主题，再对结果执行采样
topics_random = db.session.query(Topic) \
    .filter_by(topic='emotion') \
    .options(tablesample(func.bernoulli(2.5))) \
    .all()

方案二：移除固定种子获取随机采样 #

若需要保留先采样后过滤的逻辑，但要让采样结果随机，去掉固定的种子参数即可：

# 创建无固定种子的采样别名
Topic_rnd = db.aliased(Topic, tablesample(Topic, func.bernoulli(2.5)))
# 执行查询
topics_random = Topic_rnd.query.filter_by(topic='emotion').all()

或者每次查询使用随机生成的种子，进一步增强随机性：

import random
# 每次生成不同的随机种子
random_seed = random.randint(1, 100000)
Topic_rnd = db.aliased(Topic, tablesample(Topic, func.bernoulli(2.5), random_seed))
topics_random = Topic_rnd.query.filter_by(topic='emotion').all()

方案三：强制随机排序 #

如果需要确保返回结果的顺序是随机的，在查询末尾添加order_by(func.random())：

topics_random = Topic_rnd.query.filter_by(topic='emotion') \
    .order_by(func.random()) \
    .all()

内容的提问来源于stack exchange，提问作者chronos