关于BigQuery中CTE复用RAND()返回不同随机数的疑问

嘿，这个问题我太有共鸣了！刚接触BigQuery的时候我也踩过一模一样的坑，咱们来拆解清楚为什么会这样：

首先得明确BigQuery里CTE的本质——它并不是一个“存储结果的临时表”，而是一个可重复引用的查询逻辑片段。当你写with t as (SELECT RAND())时，BigQuery并不会预先计算出RAND()的结果并保存下来，而是每次你引用这个CTE（也就是两次SELECT * FROM t）的时候，都会重新执行一遍CTE里的查询语句。

RAND()本身是一个非确定性函数，每次调用都会生成新的随机数，所以两次执行SELECT RAND()自然会得到不同的结果，这就是你看到两个不同数字的原因。

那如果想要复用同一个随机数，给你两个实用的方案：

• 用临时表存储结果
  临时表会实实在在把计算后的随机数存储下来，后续查询都是读取已有的结果，不会重新计算：

  CREATE TEMP TABLE t AS SELECT RAND() AS rand_val;
  SELECT * FROM t 
  UNION ALL 
  SELECT * FROM t;
  

• 用聚合函数固定CTE里的随机值
  聚合函数（比如MAX()、MIN()）会让BigQuery先计算出RAND()的结果并固定，后续引用CTE时就不会重新执行RAND()了：

  WITH t AS (SELECT MAX(RAND()) AS rand_val) 
  SELECT * FROM t 
  UNION ALL 
  SELECT * FROM t;
  

回到你做随机分组的场景，更稳妥的方式是先给每个待分组的对象生成一个唯一的随机值（只生成一次），然后基于这个值来划分处理组和对照组，这样就能保证分组的随机性和一致性啦～

备注：内容来源于stack exchange，提问作者Christopher Junk