RAND()无法按权重抽样，因其每行独立生成随机值且不感知分组或权重，无法实现“某组被选中概率是另一组2倍”；ORDER BY RAND() * weight仅打乱顺序，不保证比例；推荐用UNION ALL展开权重后随机抽取。
为什么直接用
复制 RAND()
无法按权重抽样
因为
复制 RAND()
在每行独立生成随机值，不感知分组或权重——你没法靠它“让某组被选中的概率是另一组的2倍”。更关键的是，SQL标准中
复制 RAND()
在同一查询内多次调用可能返回相同值（尤其在MySQL旧版本），而窗口函数如
复制 ROW_NUMBER()
或
复制 SUM() OVER
又不能直接嵌套随机计算来模拟加权分布。常见错误是写成
复制 ORDER BY RAND() * weight
，这只会打乱顺序，不保证抽样比例。
用
复制 UNION ALL
展开权重再随机取样的实操方案
这是最兼容、最可控的做法：把每条记录按其
复制 weight
字段复制多份，再整体随机抽取。适合权重为整数且总和不过大的场景（比如单组权重和 ≤10000）。
假设表
复制 t_users
有字段
复制 group_id
,
复制 user_id
,
复制 weight
先用递归CTE或数字表生成 1~max(weight) 的序列（MySQL 8.0+ 可用
复制 WITH RECURSIVE nums AS (...)
）
核心连接逻辑：
复制 JOIN nums ON nums.n ，这样每条记录就展开成 weight
行
最后
复制 ORDER BY RAND() LIMIT N
即可等效实现加权随机抽样
示例片段（MySQL 8.0）：
复制 WITH RECURSIVE nums AS (
SELECT 1 AS n
UNION ALL
SELECT n + 1 FROM nums WHERE n < (SELECT MAX(weight) FROM t_users)
)
SELECT group_id, user_id
FROM t_users t
JOIN nums ON nums.n <= t.weight
ORDER BY RAND()
LIMIT 100;
用
复制 ROW_NUMBER() OVER (PARTITION BY ... ORDER BY RAND() * weight)
的陷阱
这个写法看似聪明，但实际无效：
复制 RAND() * weight
虽然放大了差异，但窗口函数的
复制 ORDER BY
子句中允许使用随机表达式，
复制 ROW_NUMBER()
仍只是对当前分组内所有行做一次排序编号，并不控制“该组被选中的概率”。你得到的是每组内部随机排前N，不是跨组按权重分配名额。
真正需要的是“全局加权分布”，不是“分组内加权排序”
若硬要用窗口函数，必须配合累计权重（cumulative weight）+ 全局随机阈值，例如：先算出每组权重占比，再生成一个
复制 RAND()
值，匹配到对应区间——但这需要两趟扫描，且不易控制精确样本量
PostgreSQL 用户可考虑
复制 TABLESAMPLE SYSTEM (x)
，但它不支持自定义权重，仅按页近似采样
生产环境建议：预计算累计权重 + 二分查找模拟
当权重非整数、或单组权重极大（如百万级）、或需严格控制总样本数时，展开法不可行。此时应换思路：把每组视为一个带权重的区间，例如 A组权重30、B组40、C组30 → 累计为 [0,30), [30,70), [70,100)。然后生成一个
复制 RAND() * 100
，查落在哪个区间。
用
复制 SUM(weight) OVER (ORDER BY group_id ROWS UNBOUNDED PRECEDING)
计算累计值
用
复制 LATERAL
（PostgreSQL）或相关联子查询（MySQL）匹配随机值所在区间
注意：累计值必须唯一排序键（如加
复制 group_id
防止并列），否则区间边界模糊
该方法抽样结果服从权重分布，但单次查询无法保证恰好抽到整数个样本——需外层循环或补抽逻辑
真正难的不是写出语句，而是确认你的“权重”是否已归一化、是否有负值、是否含NULL——这些都会让累计逻辑崩掉，而错误往往静默发生。
