如何根据每个分类数据占比随机获取数据集？

Question

假设有张新闻表，它存储了基本信息以及分类ID

ID	cagegory_id	title
1	1	一条SQL秀翻全场
2	2	ddd
3	2	cccc
4	2	…

……

现在需要根据每个分类的数据占比，比如A分类的文章在全部新闻中占 5%，B分类 3% …

然后根据这个百分比 随机查出数据
即得到的记录集 比如 20条，其中 A分类文章 1条（5%），B分类（3%） 没有或者取整 1 条 …

这个一条 Sql 可以实现？

Answer 1

SELECT category_id, COUNT(*) * 100.0 / (SELECT COUNT(*) FROM news) as percentage
FROM news
GROUP BY category_id;

SELECT * FROM news WHERE category_id = A ORDER BY RAND() LIMIT <A的记录数>;
SELECT * FROM news WHERE category_id = B ORDER BY RAND() LIMIT <B的记录数>;
...

Answer 2

以下 SQL 用 SQLite 测试通过：

WITH
  data AS (
    SELECT id, cume_dist() OVER win AS pct
    FROM 新闻表
    WINDOW win AS (PARTITION BY category_id ORDER BY random())
  ),
  pick_ids AS (
    SELECT id
    FROM data
    ORDER BY pct
    LIMIT 20
  )
SELECT title
FROM pick_ids
JOIN 新闻表 USING(id);