按ID抽取随机样本（单ID对应多行）的SQL实现方法

核心思路很简单：先抽ID，再关联拉全量明细，别直接对原表的行做随机抽样，不然很容易把同一个ID的记录拆碎，不符合要求。 #

通用适配写法（支持MySQL8.0+、PostgreSQL、Hive、Spark SQL、SQL Server 2017+等绝大多数主流SQL引擎） #

WITH sampled_id AS (
    -- 第一步：去重后随机抽100个ID
    SELECT DISTINCT ID
    FROM your_table -- 把这里替换成你的实际表名
    ORDER BY RAND()
    LIMIT 100
)
-- 第二步：关联原表，取出抽中ID的所有行
SELECT t.*
FROM your_table t
JOIN sampled_id s ON t.ID = s.ID;

这个写法逻辑最直白，数据量在百万级以内跑起来完全没问题。 #

超大数据量优化写法（千万/亿级数据适用） #

如果你的表总数据量特别大，ORDER BY RAND()会触发全表排序，性能很差，可以换随机过滤的方式减少排序开销：

WITH sampled_id AS (
    SELECT DISTINCT ID
    FROM your_table
    -- 这里的过滤阈值自己调整：比如总共有20000个不重复ID，要抽100个，就填200/20000=0.01，多留一点冗余避免过滤后ID不够100
    WHERE RAND() < 0.01
    LIMIT 100
)
SELECT t.*
FROM your_table t
JOIN sampled_id s ON t.ID = s.ID;

特殊数据库适配调整 #

• Oracle：把RAND()替换为DBMS_RANDOM.VALUE，LIMIT 100替换为FETCH FIRST 100 ROWS ONLY
• SQL Server 2012及更早版本：把LIMIT 100替换为TOP 100，随机排序可以用ORDER BY NEWID()替换ORDER BY RAND()

避坑提醒 #

不要直接写SELECT * FROM your_table ORDER BY RAND() LIMIT 100，这个逻辑是随机抽100行数据，不是抽100个ID的全量数据，大概率会出现同一个ID只抽到部分行的情况，完全不符合你的抽样规则。
也不要直接对原表行加WHERE RAND() < 阈值的过滤条件，同样会漏掉抽中ID下的部分记录。

内容的提问来源于stack exchange，提问作者Azad