SQL中如何实现按比例抽样数据 ROW_NUMBER与百分比筛选

在SQL开发中，按比例抽样数据是高频需求，比如从用户表中抽取10%的用户做活动测试，或者从订单表中抽取5%的订单做质量校验。使用ROW_NUMBER窗口函数配合百分比计算可以稳定实现这类需求，不受数据库版本限制，逻辑也更容易扩展。

核心实现思路

实现按比例抽样的核心逻辑分为三步：首先给表中的每一行数据按顺序生成行号，然后计算总行数，最后通过行号与总行数的比值判断是否符合抽样比例。具体步骤如下：

• 使用ROW_NUMBER()窗口函数，按指定排序规则给每行数据生成唯一的递增行号
• 通过子查询或者CTE计算表的总行数
• 筛选出行号除以总行数的结果小于等于目标抽样比例的行，得到抽样结果

基础实现示例

假设我们有一张用户表user_info，需要抽取20%的用户数据，基础实现代码如下：

WITH user_row_num AS (
    -- 给每行用户数据生成行号，同时计算总行数
    SELECT 
        user_id,
        user_name,
        age,
        ROW_NUMBER() OVER (ORDER BY user_id) AS rn,
        COUNT(*) OVER () AS total_cnt
    FROM user_info
)
-- 筛选行号占比小于等于20%的数据
SELECT 
    user_id,
    user_name,
    age
FROM user_row_num
WHERE rn * 1.0 / total_cnt <= 0.2;

上面的代码中，ROW_NUMBER() OVER (ORDER BY user_id)会按照用户ID的升序给每行数据生成从1开始的行号，COUNT(*) OVER ()会计算整张表的总行数并给每一行都附上这个值。最后通过rn * 1.0 / total_cnt <= 0.2筛选出前20%的数据，乘以1.0是为了避免整数除法导致结果错误。

随机抽样的优化方案

上面的基础实现是按照排序字段的顺序取前N%的数据，属于顺序抽样，如果需要随机抽样的场景，只需要调整ROW_NUMBER的排序规则即可，比如使用随机函数排序：

WITH user_row_num AS (
    SELECT 
        user_id,
        user_name,
        age,
        -- 按随机排序生成行号，实现随机抽样
        ROW_NUMBER() OVER (ORDER BY RAND()) AS rn,
        COUNT(*) OVER () AS total_cnt
    FROM user_info
)
SELECT 
    user_id,
    user_name,
    age
FROM user_row_num
WHERE rn * 1.0 / total_cnt <= 0.2;

这里把ORDER BY user_id改成了ORDER BY RAND()，每次执行时行号的生成顺序都是随机的，最终抽样的结果也会是随机的，更符合实际抽样场景的需求。如果是SQL Server数据库，可以把RAND()替换成NEWID()，如果是PostgreSQL可以替换成RANDOM()。

不同抽样比例的适配

如果需要动态调整抽样比例，只需要修改WHERE条件中的比例值即可，比如要抽取35%的数据，把条件改成rn * 1.0 / total_cnt <= 0.35即可。如果需要按不同分组分别按比例抽样，比如按用户所在城市分别抽取10%的用户，只需要给ROW_NUMBER加上PARTITION BY子句：

WITH user_row_num AS (
    SELECT 
        user_id,
        user_name,
        age,
        city,
        -- 按城市分组，每个城市内单独生成行号
        ROW_NUMBER() OVER (PARTITION BY city ORDER BY RAND()) AS rn,
        COUNT(*) OVER (PARTITION BY city) AS city_total_cnt
    FROM user_info
)
SELECT 
    user_id,
    user_name,
    age,
    city
FROM user_row_num
WHERE rn * 1.0 / city_total_cnt <= 0.1;

上面的代码中，PARTITION BY city会让窗口函数按城市分组计算，每个城市单独生成行号和计算该城市的总用户数，最终每个城市都会抽取10%的用户，满足分组抽样的需求。

注意事项

• 排序字段的选择会影响抽样结果，顺序抽样选择有业务含义的排序字段，随机抽样选择随机函数即可
• 计算比例时一定要注意数据类型转换，避免整数除法导致结果错误，比如MySQL中1/2的结果是0，必须写成1.0/2或者1/2.0
• 如果表的数据量非常大，窗口函数的计算会有一定的性能开销，建议结合索引优化排序字段的查询效率
• 抽样结果的数量可能会有微小偏差，比如总条数是7，抽20%的话理论是1.4条，实际会取到1条，属于正常情况

SQLROW_NUMBER百分比抽样数据抽样修改时间：2026-06-17 21:21:45