3

我正在使用 PHP 开发 PostgreSQL。

是否可以从表WHERE条件的列中选择特定数量的随机值

代替

从表WHERE条件中选择列

然后将它们转换为数组并使用array_rand()？

（我不想使用这种方式，因为我将有数百万行并且首先选择所有值然后array_rand()可能会花费很多时间。）

假设我有一张这样的桌子：

   name    |   items
-----------+------------
    Ben    | {dd,ab,aa}  
-----------+------------
   David   |  {dd,aa}  
-----------+------------
   Bryan   | {aa,ab,cd}
-----------+------------
    Glen   |    {cd}
-----------+------------
   Edward  |   {aa,cd}
-----------+------------
   Aaron   |  {dd,aa}
-----------+------------
  ..... (many many more)

更新：

我需要在一列（或基本上是 10 个随机行）中选择与条件匹配的 10 个随机值（在本例中为@> ARRAY[aa]），而无需进行顺序表扫描或其他耗时的操作。

order by random()这将花费大量时间，因为它必须处理每一行，所以我将采用更好的解决方案。

4

2 回答 2

5

在 PostgreSQL 中，你可以order by random()，所以这应该是你想要的：

select name
from table
where items @>ARRAY['aa']
order by random()
limit 10;
于 2012-04-13T13:58:19.107 回答
1

如果基表没有大量更新，则此解决方案很好。否则维护成本可能会超过收益。

如果您的条件是 always @> ARRAY[aa]，您可以创建一个辅助查找表（基本上是一个物化视图）。

CREATE TABLE tbl_pick (rn serial, id int, PRIMARY KEY (rn, id);

INSERT INTO tbl_pick (id)
SELECT id FROM tbl
WHERE  items @> ARRAY[aa];

然后您可以应用与此处描述的类似方法：

SELECT *
FROM  (
    SELECT 1 + floor(random() * <insert_count_plus_a_bit_here>)::integer AS rn
    FROM   generate_series(1, 20) g
    GROUP  BY 1                     -- trim duplicates
    ) r
JOIN   tbl_pick USING (rn)
JOIN   tbl USING (id)
LIMIT  10;                          -- trim surplus

这应该非常快，因为它只需要索引扫描并且只从表中读取约 10 行。

当然，您必须tbl_pick在（相关）INSERT / DELETE / UPDATE 之后更新到tbl. 可以将少量更新添加/删除（无更新）到 tbl_pick，因为该方法中有一些回旋余地。经过一定数量的更新后，您将TRUNCATE重新运行完整的INSERT. 基本上重写你的物化视图。

UPDATE 和 DELETE 可以tbl_pick与外键约束级联到ON UPDATE CASCADE ON DELETE CASCADE. 以及新插入行的触发器AFTER INSERT。这一切都取决于基表中的可能性。

并定期安排对 tbl_pick 的完全重写，最好是在下班时间。

如果您的随机选择查询是突发的，那么使用“变量”指示是否tbl_pick是脏的（而不是 fk 约束和触发器）可能会更便宜，并且仅在运行查询之前（多次）在这种情况下重新填充表。这在很大程度上取决于您的使用模式。这个“变量”可以是一个单行表，其中 onlyUPDATE是允许的。在（相关）更新为 后将其设置为 TRUE tbl，在刷新实体化视图后将其设置为 FALSE。

于 2012-04-14T04:41:35.927 回答