postgresql - 如何获取 10% 的用户创建的所有记录？

Question

我有我网站的流量日志。

我想从 10% 的用户群中抽样流量。 但是数据库中的每条记录都是一次访问，每个客户可以有多次访问。只获得 10% 的流量是不正确的，因为 20% 的用户可能产生 80% 的流量。

表结构简单

user_id, page

如何在没有太多嵌套子查询的情况下从随机的 10% 的客户那里获取流量？

Answer 1

如果使用 MySQL 你可以试试:

/* Calculate 10% of the users, rounding up to account for values below 1 */
SET @limit = CEIL((SELECT COUNT(DISTINCT(user_id)) FROM TRAFFIC) / 10);

/* Prepare a statement for getting the traffic */
PREPARE STMT FROM 'SELECT *
FROM TRAFFIC T
INNER JOIN (
    SELECT DISTINCT(user_id)
    FROM TRAFFIC
    LIMIT ?
) U
ON T.user_id = U.user_id';

/* Execute the statement using the pre-computed limit. */
EXECUTE STMT USING @limit;

这是 PostgreSQL 中的一个类似实现(基于反馈):

SELECT *
FROM TRAFFIC T
INNER JOIN (
    SELECT DISTINCT user_id
    FROM TRAFFIC
    LIMIT CEIL((SELECT COUNT(DISTINCT user_id) FROM TRAFFIC) / 10)
) U
ON T.user_id = U.user_id;