Question

我已经知道通过random（）排序是检索随机行的最糟糕方式。我已经实现了添加random_number列并在检索随机行时使用该列的解决方案，然后在每次检索时更新random_number。所有这些都用于参加返回随机代理IP的服务：

select proxy_ip from proxy where random_number > 0.63 limit 1

0.63只是应用程序内部生成的随机数的一个示例。

当我使用＆＃34;最糟糕的＆＃34;溶液：

select proxy_ip from proxy
order by random()
limit 1

调用服务时似乎运行得更快。该表包含9300行，所以我的问题是，表格必须包含多少行才能使sort by random()成为最差的解决方案？

在应用程序中引入了一些不直接与db一起工作的开销，而是使用数据层来反过来运行查询，这解释了为什么更好的解决方案运行缓慢（除此之外）对db执行1次以上的查询，而不仅仅是1，因为它需要更新random_number）。

解释分析的结果：

SORT BY RANDOM（）

Limit  (cost=837.03..837.03 rows=1 width=18) (actual time=34.954..34.956 rows=1 loops=1)
  ->  Sort  (cost=837.03..860.46 rows=9373 width=18) (actual time=34.950..34.950 rows=1 loops=1)
        Sort Key: (random())
        Sort Method: top-N heapsort  Memory: 25kB
        ->  Seq Scan on proxy  (cost=0.00..790.16 rows=9373 width=18) (actual time=0.013..17.951 rows=9363 loops=1)
Total runtime: 34.993 ms

使用随机栏：

Limit  (cost=0.00..0.23 rows=1 width=18) (actual time=0.038..0.045 rows=1 loops=1)
  ->  Seq Scan on proxy  (cost=0.00..790.16 rows=3481 width=18) (actual time=0.029..0.029 rows=1 loops=1)
        Filter: (random_number > 0.63::double precision)
Total runtime: 0.078 ms

该表有1个索引：

CREATE UNIQUE INDEX proxy_pkey ON proxy USING btree (id)

Answer 1

请参阅此帖子How to retrieve randomized data rows from a postgreSQL table?

链接到一个非常明亮的Postgres家伙（Depesz）网站，载有大量信息。 - ＆GT; Depesz MY THOUGHTS ON GETTING RANDOM ROW

通过这些信息尝试一些不同的方式，看看什么是最好的。

Answer 2

几点想法......

您的问题的答案将是非常硬件和特定于实现的。在现代硬件上，9300行并不是很多。有可能是你的整个表在第一次读取后存储在内存中。因此，后续的ORDER BY RANDOM()查询会非常快。
您还因为没有索引该列而损害了随机数列的性能，这意味着您仍然必须基本上读取整个表以避免...必须读取整个表

因此，在random_number列中添加一个索引，看看它有何帮助。

您也可以通过更新来减少所需的往返次数，并同时选择以下内容：

UPDATE proxy
FROM (
    SELECT id 
    FROM proxy
    ORDER BY random_number
    LIMIT 1
) AS r
SET random_number=RANDOM()
WHERE proxy.id=r.id
RETURNING proxy.*

您并不是真的以这种方式随机化您的代理服务器。假设你有5台服务器，A-E，它们最初被分配为1-5的随机数：
```
A: 1
B: 2
C: 3
D: 4
E: 5
```
在第一次运行时，您将选择服务器A，random_number为1.然后为其分配一个新的随机数1-5。让我们说你得到3：
```
B: 2
C: 3
A: 3
D: 4
E: 5
```
第二次运行时，你得到B，然后给它分配一个新的随机数，比如4：
```
C: 3
A: 3
D: 4
B: 4
E: 5
```
然后你得到C，给它一个新的随机数，2：
```
C: 2
A: 3
D: 4
B: 4
E: 5
```
应该很容易看出你将如何挨饿你的一些服务器......任何服务器“不吉利”足以显示在列表的末尾，可能会永远留在那里。
< / LI>
一个更好的，实际上是随机的方法，是为每个服务器分配一个指定范围内的静态数字，然后随机选择那个数字（或用哈希伪随机）。这对于性能更好，因为你没有做大量的写操作，而且它实际上是随机的！
```
SELECT proxy_ip
FROM proxy 
WHERE id=(RANDOM()*9300)::INT
```

SORT BY RANDOM（）：在成为最差解决方案之前，表可以保留多少行？

2 个答案: