t-sql - 优化随机 T-SQL

Question

第一:你觉得我随机的方式怎么样？这样也太穷了吧？

我有一张表 TABLE_A:

 id       | name      |  state
 ---------------------|----------
 1703248  | blablabla | 1
 ...      | blablabla | 0
 7873415  | blablabla | 1
 7926033  | blablabla | 1

id 列也可以包含字母数字值，例如“zxg-76354GH-34347”。 嗯，我有 3060 条记录。

详细信息:

 select count(1) from TABLE_A where id like 'n%'

如果:

n=1 ---> 201 records , n=2 ---> 147 records , n=3 ---> 187 records
n=4 ---> 327 records , n=5 ---> 430 records , n=6 ---> 503 records
n=7 ---> 1175 records , n=8 ---> 35 records , n=9 ---> 55 records

我的随机存储过程:

 --Name: Randomize_sp
 BEGIN
 DECLARE @temp table(id varchar(50))
 --RANDOM 1
 INSERT INTO @temp
 SELECT id FROM TABLE_A 
 WHERE state > 0
 ORDER BY RAND(CHECKSUM(NEWID()))
 --RANDOM 2
 SELECT top 1 id FROM @temp ORDER BY RAND(CHECKSUM(NEWID()))
 END

我多次调用该存储过程或“n”次(我需要这样做):

 BEGIN
 DECLARE @nTimes int, @i int
 DECLARE @tempT table(id varchar(50))
 SET @nTimes = 12
 SET @i = 0
 WHILE @i < @nTimes
   BEGIN
   INSERT INTO @tempT
   EXECUTE MyDB.dbo.Randomize_sp
   SET @i = @i + 1
   END
   SELECT id FROM @tempT
 END

问题是:我总是得到 4 或 5 行以“7”开头的行，有时我得到 3 或 2 行以“5”开头的行......我想 以避免重复。我很感激任何建议。

谢谢。

Answer 1

我认为你不知道“随机”是什么意思。在本例中，您有大约 3000 条记录，但其中 1175 条以“7”开头。纯粹的统计表明，大约 33% 的情况下您会得到“7”。你会经常被骗。根据 Lamak 的评论，如果您想明确避免欺骗，则需要更复杂的算法，并且根据您的数据，可能无法避免欺骗。

最终目标是什么？看起来您多次重复了某些 ID 集，但是这些数据有何用途呢？可能有一条更好、更短的路径来实现您想要的目标。

其他评论: 您对 RAND(CHECKSUM(NEWID())) 的使用让我感到困惑。如果您只是调用 RAND()，它将使用系统时间戳随机播种。对于大数据建模之外的任何应用程序来说，这已经足够“随机”了。

另外，为什么你要在 Randomize_sp 中“随机化”两次？首先，从数据库中选择所有“state > 0”行到临时表中，然后从临时表中选择所有内容。您无法“增加”随机性，因此最好只返回原始数据集，而不是先将其放入 @table 变量中。