[发明专利]一种用于大数据随机抽样的方法和系统

权利要求书

1.一种数据库中的随机抽样方法，所述方法包括以下步骤：

步骤a：将多个记录分为多个组；

步骤b：随机抽取所述多个组中的一个或多个组；以及

步骤c：在所随机抽取的所述一个或多个组中，随机抽取要抽取数量的记录。

2.根据权利要求1所述的方法，其中，所述多个组中的每一个组内记录的数量是相等的。

3.根据权利要求1或2所述的方法，其中，步骤a还包括：为所述多个组中的每一个组中的特定记录创建索引。

4.根据权利要求3所述的方法，其中，所述特定记录是所述多个组中的每一个组中的第一个记录。

5.根据权利要求3所述的方法，其中，创建索引包括将所述索引存放在数据库。

6.根据权利要求3所述的方法，其中，创建所述索引的周期是根据任务执行的周期确定的。

7.根据权利要求1所述的方法，其中，步骤c还包括：基于要抽取的记录的数量，产生第一随机数；对所随机抽取的所述一个或多个组中的数据进行逐一扫描；对于每一个所扫描的数据，基于要抽取的记录的数量，产生第二随机数；如果所述第一随机数等于所述第二随机数，则抽取所述记录。

8.根据权利要求7所述的方法，其中，基于要抽取的记录的数量产生第一随机数还基于所述多个记录的数量；基于要抽取的记录的数量产生第二随机数还基于所述多个记录的数量。

9.根据权利要求8所述的方法，其中，基于所述要抽取的记录的数量和所述多个记录的数量产生第一随机数是随机产生小于等于所述多个记录的数量除以要抽取的记录的数量的第一随机数；基于所述要抽取的记录的数量和所述多个记录的数量产生第二随机数是随机产生小于等于所述多个记录的数量除以要抽取的记录的数量的第二随机数。

10.一种用于数据库中的随机抽样系统，所述系统包括：

分组装置，被配置为：将多个记录分为多个组；

随机抽取装置，被配置为：随机抽取所述多个组中的一个或多个组，并在所随机抽取的所述一个或多个组中，随机抽取要抽取数量的记录。

11.根据权利要求10所述的系统，其中，所述多个组中的每一个组内记录的数量是相等的。

12.根据权利要求10或11所述的系统，其中，所述分组装置还被配置为：为所述多个组中的每一个组中的特定记录创建索引。

13.根据权利要求12所述的系统，其中，所述特定记录是所述多个组中的每一个组中的第一个记录。

14.根据权利要求12所述的系统，其中，创建索引包括将所述索引存放在数据库。

15.根据权利要求12所述的系统，其中，创建所述索引的周期是根据任务执行的周期确定的。

16.根据权利要求10所述的系统，其中，所述随机抽取装置被配置为：基于要抽取的记录的数量，产生第一随机数；对所随机抽取的所述一个或多个组中的数据进行逐一扫描；对于每一个所扫描的数据，基于要抽取的记录的数量，产生第二随机数；如果所述第一随机数等于所述第二随机数，则抽取所述记录。

17.根据权利要求16所述的系统，其中，基于要抽取的记录的数量产生第一随机数还基于所述多个记录的数量；基于要抽取的记录的数量产生第二随机数还基于所述多个记录的数量。

18.根据权利要求17所述的系统，其中，基于所述要抽取的记录的数量和所述多个记录的数量产生第一随机数是随机产生小于等于所述多个记录的数量除以要抽取的记录的数量的第一随机数；基于所述要抽取的记录的数量和所述多个记录的数量产生第二随机数是随机产生小于等于所述多个记录的数量除以要抽取的记录的数量的第二随机数。

19.一种计算机可读存储介质，所述计算机可读存储介质包括由处理器执行的指令，所述指令被处理器执行以使所述处理器实现根据权利要求1～9中任一项所述的方法。