如何在Redshift SQL中抽取指定时间范围内的10000个随机用户-日期对？

首先注意你提到的日期范围“2000-01-01至2020-01-01”跨度较大，如果是笔误（比如实际要筛选2020年1月1日当天或某段更窄的范围），直接调整下文的日期条件即可。以下分两种场景给出实现方案：

场景1：随机抽取10000条指定日期范围内的user-id+日期组合记录 #

如果不需要保证user-id唯一，只是随机选取该日期范围内的10000条记录，可直接用RANDOM()排序后取前10000条：

SELECT user_id, date, other_columns
FROM your_table
WHERE date BETWEEN '2000-01-01' AND '2020-01-01'
ORDER BY RANDOM()
LIMIT 10000;

若数据量极大，ORDER BY RANDOM()性能可能不佳，可改用ROW_NUMBER()优化：

SELECT user_id, date, other_columns
FROM (
    SELECT 
        user_id, date, other_columns,
        ROW_NUMBER() OVER (ORDER BY RANDOM()) AS rn
    FROM your_table
    WHERE date BETWEEN '2000-01-01' AND '2020-01-01'
) sub_query
WHERE rn <= 10000;

场景2：先随机抽取10000个唯一user-id，再获取这些用户的指定日期范围记录 #

如果是要按user-id维度抽样（即选中10000个不同用户，再取他们在目标日期范围内的所有记录），可通过CTE先抽取唯一user-id，再关联原表：

WITH sampled_unique_users AS (
    SELECT DISTINCT user_id
    FROM your_table
    WHERE date BETWEEN '2000-01-01' AND '2020-01-01'
    ORDER BY RANDOM()
    LIMIT 10000
)
SELECT t.user_id, t.date, t.other_columns
FROM your_table t
JOIN sampled_unique_users s ON t.user_id = s.user_id
WHERE t.date BETWEEN '2000-01-01' AND '2020-01-01';

额外说明 #

• Redshift也支持TABLESAMPLE语法（如SELECT * FROM your_table TABLESAMPLE BERNOULLI(10)），但这是按比例近似抽样，无法保证精确抽取10000条/个，适合快速预览数据。
• 若目标日期范围是2020-01-01当天，可将WHERE条件改为date = '2020-01-01'。

内容的提问来源于stack exchange，提问作者titutubs