需求：從大表中隨機抽取 N 筆記錄。最直覺的 ORDER BY RAND() LIMIT N 在百萬級資料會全表掃描、產生臨時表、排序，效能極差。本文演進三種方案並分析優劣。

方案一：朴素寫法（教學用，生產禁用）

SELECT * FROM `table` ORDER BY RAND() LIMIT 1;

• 全表掃描 + 檔案排序，複雜度 O(N log N)。
• 10 萬行約 200ms，100 萬行超 2s，隨資料增長線性惡化。

方案二：最大 ID 隨機點查（單行高效，多行連續）

SELECT * FROM `table` AS t1
JOIN (SELECT ROUND(RAND() * (SELECT MAX(id) FROM `table`)) AS id) AS t2
  ON t1.id >= t2.id
ORDER BY t1.id ASC LIMIT 5;

• 利用主鍵索引定位，單次查詢 O(log N)。
• 缺陷： 回傳的是「從隨機點開始的連續 5 筆」，非真正隨機樣本。
• 若需 5 筆不連續，需執行 5 次查詢（應用層迴圈），增加往返延遲。

方案三：範圍映射法（單查詢、近似均勻、高效）

SELECT * FROM `user`
WHERE userId >= (
    (SELECT MAX(userId) FROM `user`) - (SELECT MIN(userId) FROM `user`)
) * RAND() + (SELECT MIN(userId) FROM `user`)
LIMIT 5;

• 原理：將 ID 空間映射至 [0,1) 隨機數，再反映射回 ID 範圍。
• 單次查詢、走主鍵索引範圍掃描、無臨時表排序。
• 假設 ID 連續分佈均勻；若有大量空洞（刪除導致），分佈會偏向稠密區。

方案四：生產級最佳實踐（兩階段）

1. 應用層取得 ID 清單：

   SELECT id FROM `table` WHERE id >= (SELECT FLOOR(RAND() * (MAX(id)-MIN(id)+1)) + MIN(id) FROM `table`) LIMIT 100;

   取得 100 個候選 ID（極快，只掃索引）。
2. 應用層隨機抽樣： 記憶體中 shuffle 取前 N 個。
3. 回查完整資料：

   SELECT * FROM `table` WHERE id IN (?,?,...);

優點：真正隨機、單次索引掃描、單次回表、應用層可控樣本大小。

缺點：需兩次查詢；ID 極度不連續時候選池可能不足，可迴圈補齊。

效能對比（百萬行測試）

方案	耗時	隨機度	適用場景
ORDER BY RAND()	2.3s	完美	小表（<1萬）
MAX ID 點查	3ms	連續段	單行、ID 連續
範圍映射	5ms	近似均勻	單查詢、ID 較連續
兩階段法	8ms	完美	生產環境、大表、多行

結語

拒絕 ORDER BY RAND()，根據業務對隨機度與延遲的要求，選擇「範圍映射」或「兩階段法」。若資料量達千萬級，建議維護一張隨機抽樣表（定期重建），查詢時直接 JOIN 該表，將隨機化成本離線化。