SQL随机抽样分组：将用户均分为4组的方法是否存在偏差？

结论：该抽样方法是正确的，生成的分组不存在系统性随机偏差 #

• 核心逻辑合理性
  你的思路是对的：先用RANDOM()将用户表完全随机打乱，消除原表的顺序影响；再用NTILE(4)按随机后的顺序均分分组。这里ORDER BY (SELECT 1)是合理的——因为CTE里已经完成了随机排序，窗口函数不需要额外排序，直接按当前行的顺序划分4组即可。

• 关于分组偏差

  • 如果用户总数是4的整数倍，每组人数完全相等；
  • 如果总数不是4的整数倍，NTILE会把多余的行依次分配到前几个组（比如总人数1001，前3组各251人，最后一组248人），但这种人数差异是均匀分配的规则性差异，不是随机偏差。每个用户被分到任意一组的概率仍然是均等的，不存在系统性偏向某一组的情况。

• 可选优化方案
  部分数据库中，CTE的ORDER BY在没有LIMIT的情况下，SQL标准不保证后续查询会保留该顺序（虽然多数现代数据库支持）。可以简化为直接在窗口函数里排序，效果完全一致：

  SELECT *,
         NTILE(4) OVER(ORDER BY RANDOM()) AS tile_nr
  FROM users_table
  

内容的提问来源于stack exchange，提问作者Mithun Manohar