嘿，我知道用select * from table order by random()来打乱表数据虽然直观，但数据量上去后确实慢得让人头疼——毕竟它得给每一行生成随机值再做全表排序，开销不小。结合你提到的target列分0和1两类的情况，给你几个更高效的解决方案：

方案1：分批次随机排序（针对target分组优化） #

如果你的数据库支持窗口函数（比如PostgreSQL、MySQL 8.0+、SQL Server），可以针对target的两类分别打乱，再合并结果。这种方式比全表排序的开销小，而且能保持同类数据内的随机分布：

WITH shuffled_groups AS (
    SELECT *,
           ROW_NUMBER() OVER (PARTITION BY target ORDER BY RANDOM()) AS row_rank
    FROM your_table
)
SELECT cst_id, name, salary, fund, age, target
FROM shuffled_groups
ORDER BY target, row_rank;

要是你不需要按target分组，只是单纯全表打乱，下面这个方案性能更好：

方案2：主键关联随机数，避免全表排序 #

这个方法绕开了给全表生成随机值后排序的操作，而是先给主键生成随机数，再通过主键关联原表，最后按随机数排序——计算开销会小很多：

SELECT t.*
FROM your_table t
JOIN (SELECT cst_id, RANDOM() AS rand_val FROM your_table) r 
ON t.cst_id = r.cst_id
ORDER BY r.rand_val;

方案3：直接生成打乱后的新表 #

既然你最终要生成新表，那可以一步到位，用上面的查询直接创建新表，省去中间步骤：

CREATE TABLE new_shuffled_table AS
SELECT t.*
FROM your_table t
JOIN (SELECT cst_id, RANDOM() AS rand_val FROM your_table) r 
ON t.cst_id = r.cst_id
ORDER BY r.rand_val;

为啥order by random()这么慢？ #

简单说，random()会给每一行生成一个随机值，数据库随后要对所有这些值做排序操作，这是一个*O(n log n)*的耗时操作——数据量越大，等待时间越长。上面的方案要么缩小了排序的数据集，要么避免了全表排序的额外开销，性能提升会很明显。

内容的提问来源于stack exchange，提问作者Robinson