>您有一个数字ID列(整数)，只有很少(或适度少)的间隙。
>显然没有或几乎没有写操作。
>您的ID列必须编入索引！主键很好地服务。

下面的查询不需要大表的顺序扫描，只需要索引扫描。

首先，获取主查询的估计值：

SELECT count(*) AS ct              -- optional,min(id)  AS min_id,max(id)  AS max_id,max(id) - min(id) AS id_span
FROM   big;

唯一可能昂贵的部分是count(*)(对于巨大的表)。给定上面的规格，你不需要它。估计会做得很好，几乎没有成本(detailed explanation here)：

SELECT reltuples AS ct FROM pg_class WHERE oid = 'schema_name.big'::regclass;

只要ct不小于id_span，查询将优于其他方法。

WITH params AS (
    SELECT 1       AS min_id           -- minimum id <= current min id,5100000 AS id_span          -- rounded up. (max_id - min_id + buffer)
    )
SELECT *
FROM  (
    SELECT p.min_id + trunc(random() * p.id_span)::integer AS id
    FROM   params p,generate_series(1,1100) g  -- 1000 + buffer
    GROUP  BY 1                        -- trim duplicates
    ) r
JOIN   big USING (id)
LIMIT  1000;                           -- trim surplus

>在id空间中生成随机数。您有“少许差距”，因此要添加10％(足以容易地覆盖空白)到要检索的行数。
>每个id可以偶然被挑选多次(虽然不大可能与一个大id空间)，所以分组生成的数字(或使用DISTINCT)。
>将ids添加到大表。这应该是非常快的索引到位。
>最后修整没有被抄袭和缺口吃掉的剩余ids。每一行都有一个完全平等的机会被挑选。

短版本

您可以简化此查询。上述查询中的CTE仅用于教育目的：

SELECT *
FROM  (
    SELECT DISTINCT 1 + trunc(random() * 5100000)::integer AS id
    FROM   generate_series(1,1100) g
    ) r
JOIN   big USING (id)
LIMIT  1000;

用rCTE精简

特别是如果你不太确定差距和估计。

WITH RECURSIVE random_pick AS (
   SELECT *
   FROM  (
      SELECT 1 + trunc(random() * 5100000)::int AS id
      FROM   generate_series(1,1030)  -- 1000 + few percent - adapt to your needs
      LIMIT  1030                      -- hint for query planner
      ) r
   JOIN   big b USING (id)             -- eliminate miss

   UNION                               -- eliminate dupe
   SELECT b.*
   FROM  (
      SELECT 1 + trunc(random() * 5100000)::int AS id
      FROM   random_pick r             -- plus 3 percent - adapt to your needs
      LIMIT  999                       -- less than 1000,hint for query planner
      ) r
   JOIN   big b USING (id)             -- eliminate miss
   )
SELECT *
FROM   random_pick
LIMIT  1000;  -- actual limit

我们可以在基本查询中使用更小的剩余。如果有太多的间隙，所以我们在第一次迭代中找不到足够的行，rCTE继续使用递归项迭代。我们在ID空间中仍然需要相对较少的间隙，或者递归在达到限制之前可能会运行干涸 – 或者我们必须从足够大的缓冲区开始，这样就不能优化性能。

重复项由rCTE中的UNION消除。

外部LIMIT使得CTE在我们有足够的行时立即停止。

仔细草拟此查询以使用可用索引，实际生成随机行，并且不停止，直到我们达到限制(除非递归运行干)。这里有一些陷阱，如果你要重写它。

换行函数

重复使用不同参数：

CREATE OR REPLACE FUNCTION f_random_sample(_limit int = 1000,_gaps real = 1.03)
  RETURNS SETOF big AS
$func$
DECLARE
   _surplus  int := _limit * _gaps;
   _estimate int := (           -- get current estimate from system
      SELECT c.reltuples * _gaps
      FROM   pg_class c
      WHERE  c.oid = 'big'::regclass);
BEGIN

   RETURN QUERY
   WITH RECURSIVE random_pick AS (
      SELECT *
      FROM  (
         SELECT 1 + trunc(random() * _estimate)::int
         FROM   generate_series(1,_surplus) g
         LIMIT  _surplus           -- hint for query planner
         ) r (id)
      JOIN   big USING (id)        -- eliminate misses

      UNION                        -- eliminate dupes
      SELECT *
      FROM  (
         SELECT 1 + trunc(random() * _estimate)::int
         FROM   random_pick        -- just to make it recursive
         LIMIT  _limit             -- hint for query planner
         ) r (id)
      JOIN   big USING (id)        -- eliminate misses
   )
   SELECT *
   FROM   random_pick
   LIMIT  _limit;
END
$func$  LANGUAGE plpgsql VOLATILE ROWS 1000;

呼叫：

SELECT * FROM f_random_sample();
SELECT * FROM f_random_sample(500,1.05);

你甚至可以使这个泛型工作于任何表：取PK列和表的名称作为多态类型，并使用EXECUTE …但这超出了这个问题的范围。看到：

> Refactor a PL/pgSQL function to return the output of various SELECT queries

可能的选择

如果你的要求允许相同的集合为重复的电话(我们正在谈论重复的电话)我会考虑一个物化视图。执行上面的查询一次，并将结果写入表。用户以减轻速度得到准随机选择。每隔一段时间或事件刷新您的随机选择。

Postgres 9.5引入了TABLESAMPLE SYSTEM (n)

它很快，但结果不是完全随机的。 The manual:

The SYSTEM method is significantly faster than the BERNOULLI method
when small sampling percentages are specified,but it may return a
less-random sample of the table as a result of clustering effects.

返回的行数可能会大不相同。对于我们的示例，要获得大约1000行，请尝试：

SELECT * FROM big TABLESAMPLE SYSTEM ((1000 * 100) / 5100000.0);

其中n是百分比。手册：

The BERNOULLI and SYSTEM sampling methods each accept a single
argument which is the fraction of the table to sample,expressed as a
percentage between 0 and 100. This argument can be any real-valued expression.

大胆强调我。

有关：

> Fast way to discover the row count of a table in PostgreSQL

或者安装附加模块tsm_system_rows以获得所请求的行数(如果有足够的话)，并允许更方便的语法：

SELECT * FROM big TABLESAMPLE SYSTEM_ROWS(1000);

详情请参见Evan’s answer。

但这还不是完全随机的。