使用已知值集生成大量测试数据？

Question

我正在使用Mockaroo和Excel创建和编辑一些将作为测试数据插入MySQL数据库的CSV文件。我有一个名为student_takes_module的文件，其中包含module_ID列和student_ID。

有10000个学生证和500个模块。系统规范要求每个模块注册1到400名学生（因此student_takes_module）。

我是否可以将随机student_ID和module_ID值配对以符合此规范？

Answer 1

这是一种方法，即近似和计算上的痛苦。首先，为每个模块分配一些学生。然后它随机选择学生为该模块。

insert into student_takes_module(module_id, student_id)
    select m.module_id, s.student_id
    from (select m.*, 10 + rand() * 350 as numstudents
          from modules m
         ) m cross join
         students s cross join
         (select count(*) as totalstudents) const
    where rand() < m.numstudents/const.totalstudents;

350代替400是因为在此上下文中使用rand()是近似值。 10的使用是因为我认为如果你有至少10名学生，那么当你循环访问数据时，你可能会至少有一名学生参加该课程。

此方法将处理10,000 * 500 = 5,000,000行以生成测试数据。但是，计算并不是那么糟糕（rand()因性能不佳而声名远扬，但这是因为函数调用与order by rand()之间的混淆。您可以通过将limit放在最后来测试性能，以查看生成10行，然后是1000行，然后是10000，然后生成所需的所需行所需的时间。

Answer 2

另一种解决方案可能是使用Excel中的RANDBETWEEN函数随机选择module_ID中的值以填充student_ID的新列

另外，Mockaroo会接受所有500个module_ID作为自定义列表，它可以分配给随机生成的student_ID。

这些方法的缺点是学生将在所有模块中均匀分布。