Question

我正在构建我的第一个去识别脚本，并遇到了我的方法问题。

我有一个表dbo.pseudonyms，其firstname列填充了200行数据。此列中包含200行的每一行都有一个值（none为null）。该表还有一个id列（int，主键，非null），数字为1-200。

我想要做的是，在一个声明中，重新填充我的整个USERS表，并为我firstname表中每行随机选择pseudonyms个数据。

使用ABS(Checksum(NewId())) % 200生成随机数以便选择我。每次我做SELECT ABS(Checksum(NewId())) % 200时，我都会得到一个数值，我会寻找一个很好的，没有间歇性的不稳定行为。

但是，当我在以下声明中使用此公式时：

SELECT pn.firstname 
FROM DeIdentificationData.dbo.pseudonyms pn 
WHERE pn.id = ABS(Checksum(NewId())) % 200

我得到了非常间歇性的结果。我说大约30％的结果返回从表中挑出的一个名称（这是预期的结果），大约30％的结果返回多个结果（这令人费解，没有重复的id列值），大约30％返回NULL（即使firstname列中有没有空行）

我确实为这个具体问题寻找了一段时间，但到目前为止无济于事。我假设问题与使用此公式作为指针有关，但我不知道如何做到这一点。

思想？

Answer 1

为什么问题中的查询会返回意外结果

您的原始查询从Pseudonyms中选择。服务器扫描表格的每一行，从该行中选择ID，生成一个随机数，将生成的数字与ID进行比较。

如果偶然生成的特定行的编号恰好与该行的ID相同，则在结果集中返回此行。偶然生成的数字很可能永远不会与ID相同，并且生成的数字会多次与ID重合。

更详细一点：

服务器选择ID=1行。
生成一个随机数，比如25。为什么不？一个不错的随机数。
1 = 25？否=＆gt;不返回此行。
服务器选择ID=2行。
生成一个随机数，比如125。为什么不？一个不错的随机数。
2 = 125？否=＆gt;不返回此行。
依旧......

<强> Here is a complete solution on SQL Fiddle

示例数据

DECLARE @VarPseudonyms TABLE (ID int IDENTITY(1,1), PseudonymName varchar(50) NOT NULL);
DECLARE @VarUsers TABLE (ID int IDENTITY(1,1), UserName varchar(50) NOT NULL);

INSERT INTO @VarUsers (UserName)
SELECT TOP(1000)
    'UserName' AS UserName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

INSERT INTO @VarPseudonyms (PseudonymName)
SELECT TOP(200)
    'PseudonymName'+CAST(ROW_NUMBER() OVER(ORDER BY sys.all_objects.object_id) AS varchar) AS PseudonymName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

表Users有1000行，每行有UserName个。表格Pseudonyms有200行，不同的PseudonymNames：

SELECT * FROM @VarUsers;
ID   UserName
--   --------
1    UserName
2    UserName
...
999  UserName
1000 UserName

SELECT * FROM @VarPseudonyms;
ID   PseudonymName
--   -------------
1    PseudonymName1
2    PseudonymName2
...
199  PseudonymName199
200  PseudonymName200

首次尝试

起初我尝试了直接的方法。对于Users中的每一行，我想从Pseudonyms得到一个随机行：

SELECT
    U.ID
    ,U.UserName
    ,CA.PseudonymName
FROM
    @VarUsers AS U
    CROSS APPLY
    (
        SELECT TOP(1)
            P.PseudonymName
        FROM @VarPseudonyms AS P
        ORDER BY CRYPT_GEN_RANDOM(4)
    ) AS CA
;

事实证明，优化器太聪明了，这产生了一些随机的，但每个PseudonymName都是User，这不是我的预期：

ID   UserName   PseudonymName
1    UserName   PseudonymName181
2    UserName   PseudonymName181
...
999  UserName   PseudonymName181
1000 UserName   PseudonymName181

所以，我稍微调整了这个方法，并首先为Users中的每一行生成一个随机数。然后，我使用生成的数字，使用Pseudonym为ID中的每一行Users找到CROSS APPLY。

CTE_Users有一个额外的列，其中包含1到200的随机数。在CTE_Joined中，我们为每个Pseudonyms从User中选择一行。最后，我们UPDATE原始Users表。

最终解决方案

WITH
CTE_Users
AS
(
    SELECT
        U.ID
        ,U.UserName
        ,1 + 200 * (CAST(CRYPT_GEN_RANDOM(4) as int) / 4294967295.0 + 0.5) AS rnd
    FROM @VarUsers AS U
)
,CTE_Joined
AS
(
    SELECT
        CTE_Users.ID
        ,CTE_Users.UserName
        ,CA.PseudonymName
    FROM
        CTE_Users
        CROSS APPLY
        (
            SELECT P.PseudonymName
            FROM @VarPseudonyms AS P
            WHERE P.ID = CAST(CTE_Users.rnd AS int)
        ) AS CA
)
UPDATE CTE_Joined
SET UserName = PseudonymName;

<强>结果

SELECT * FROM @VarUsers;
ID   UserName
1    PseudonymName41
2    PseudonymName132
3    PseudonymName177
...
998  PseudonymName60
999  PseudonymName141
1000 PseudonymName157

<强> SQL Fiddle

如何使用另一个表中的随机行更新表的每一行

1 个答案: