如何不执行全表扫描即可对DynamoDB进行大小为N的随机采样

最优适配方案：使用官方原生GetRandomItem接口 #

这是目前唯一完全匹配你需求的官方原生能力，完全不需要自定义复杂逻辑：

• 该接口是DynamoDB官方推出的专门用于返回表内随机条目的能力，全程不会触发全表扫描，最终一致读场景下仅消耗0.5个读容量单位，强一致读也仅消耗1个读容量单位，性能和成本都极低。
• 调用时无需提前知晓任何表结构信息，不管是主键列名、列类型、还是其他业务字段的属性，你只需要传入目标表名即可，接口会直接返回随机条目的全量属性数据，完美适配你提到的表附加信息完全未知的场景。
• 基础调用示例（Python boto3）：

import boto3

dynamo_client = boto3.client("dynamodb")
resp = dynamo_client.get_random_item(
    TableName="替换为你的目标表名",
    ConsistentRead=False # 无强一致要求建议保持默认False，成本减半
)
# 直接获取随机条目数据
random_entry = resp["Item"]

• 如果你需要批量获取多个随机条目，循环调用该接口即可，只要单次获取量不超过100条，效率都远高于其他自定义方案。

低版本SDK兼容方案（无GetRandomItem时使用） #

如果你使用的SDK版本过旧不支持上述原生接口，可以用以下方案，依然不需要提前知晓表结构，也不会触发全表扫描：

• 第一步：调用DescribeTable接口，仅传入表名即可获取表的分区键（Partition Key）的列名与数据类型，该调用仅消耗极低的元数据查询成本，不会读取表内业务数据。
• 第二步：生成一个和分区键类型匹配的随机值，调用Query接口设置KeyConditionExpression为分区键 >= 该随机值，取返回结果的第一条即可；如果查询无返回结果，重新生成随机值重试即可。
• 该方案仅会在分区键索引上执行单次范围查询，不会扫描全表数据，成本和性能接近原生接口。

内容的提问来源于stack exchange，提问作者Priyansh Bhadviya