SQL实现等比例抽样

场景：有用户表 user_info，字段 uid, city。现运要选 10w 人发调查问卷，要求所选人群的 city 分布，和全量用户的 city 分布一致。

思路：

• 开窗函数求出每个城市的占比。
• row_number 每个城市按照随机排序，也就是打乱数据。
• 用每个城市的占比乘以 10w 人，得到需要每个城市需要的人。

完整SQL

SELECT uid, city
FROM (
         SELECT uid,
                city,
                ((COUNT(uid) OVER (PARTITION BY city)) / (COUNT(uid) OVER ())) AS city_percent,
                ROW_NUMBER() OVER (PARTITION BY city ORDER BY RAND()) AS rand_rank
         FROM user_info
     ) tab1
WHERE rand_rank <= (10000 * city_percent);