三大方案性能與隨機性對比

方案	語法核心	速度	隨機性	適用場景
1. ORDER BY RAND()	ORDER BY RAND() LIMIT N	極慢 (O(N log N))	完美均勻	<1萬行
2. JOIN + 隨機 ID (連續塊)	WHERE id >= RAND()*MAX(id)	極快 (ms級)	連續 N 行	不要求嚴格隨機、大表抽樣
3. 概率採樣	WHERE RAND() < p LIMIT N	快	近似均勻	大表近似隨機、結果數量不固定

方案 2 詳解：JOIN 子查詢 + 邊界修正

SELECT * FROM `table` AS t1
JOIN (
    SELECT ROUND(
        RAND() * (
            (SELECT MAX(id) FROM `table`) - (SELECT MIN(id) FROM `table`)
        ) + (SELECT MIN(id) FROM `table`)
    ) AS rand_id
) AS t2 ON t1.id >= t2.rand_id
ORDER BY t1.id LIMIT 1;

• MIN(id) 修正非 1 起始/稀疏 ID
• ROUND 比 FLOOR 分佈更均勻
• 單條查詢 ~0.01s，應用層循環 N 次獲取 N 條真隨機

方案 3 詳解：概率採樣

-- 表 10000 行，需約 300 行 → p = 300/10000 = 0.03
SELECT * FROM t WHERE RAND() < 0.03 LIMIT 300;

• 優點：單條 SQL、無連續塊問題
• 缺點：結果數量服從二項分佈，波動較大；需多次嘗試湊齊目標量

實測數據（15萬行表，取10條）

ORDER BY RAND()           : 8.2 秒
JOIN 子查詢 (單條循環10次) : 0.147 秒
JOIN 直接 LIMIT 10        : 0.015 秒 (連續塊)

生產環境選型決策樹

1. 表 < 1 萬行 → ORDER BY RAND() LIMIT N 簡單可靠
2. 表 1 萬 - 1 億行，需嚴格隨機 → 應用層循環 單條 JOIN 隨機 N 次
3. 表 1 萬 - 1 億行，允許近似隨機 → WHERE RAND() < p LIMIT N（p = 目標數/總數）
4. 表 > 1 億行 → 離線抽樣表 / Elasticsearch / ClickHouse 隨機抽樣函數

進階優化：預計算隨機 ID 表

-- 定時任務每小時刷新
CREATE TABLE random_sample AS
SELECT id FROM large_table ORDER BY RAND() LIMIT 10000;

-- 業務查詢
SELECT * FROM large_table WHERE id IN (SELECT id FROM random_sample) LIMIT 10;

將隨機計算從線上查詢剝離，線上僅做索引查找，極致性能。

避坑清單

• 主鍵非整數/非連續 → JOIN 方案需按主鍵類型調整
• 大表 COUNT(*) 慢 → 緩存總行數或用 TABLE_ROWS 估算計算 p
• Replication 環境 → RAND() 在主從間不一致，勿在備份/同步 SQL 中使用