我需要从具有用户和帖子的表中创建一个随机样本。每个用户可以发表多个帖子。
我只需要从可变大小的用户中选择200个（每天我们的总数会有不同）。
我创建了一个rand（）变量，并仅选择具有该rand（）的项
200/count(*)
但是问题是，我可能会让用户重复。
考虑到用户的原始分布，我如何才能从此变量总数中仅选择200个用户（一个用户的出现次数更多，因此我需要给他们更多选择机会）？
我正在考虑创建一个循环，该循环填充一个统计用户的字段...。因此，我将为每个用户使用相同的数字（现在我没有用户ID，而是有一个char字段）。但是我不确定如何做到这一点。
谢谢！
最佳答案
您是说您在一张桌子中有用户和他们的帖子？
您的架构是什么样的？
您可能正在尝试类似的操作，尽管没有实际的模式很难猜测：
SELECT name, count( post ) as "number of posts"
FROM user_and_posts
GROUP BY name
HAVING count( post ) >= 100 -- (or whatever your limit is)
ORDER BY rand( )
LIMIT 0, 199