Question

目标：

预先填充一个表，其中包含一个序列ID列表，例如， 1到1,000,000。该表有一个可以为空的附加列。 NULL值标记为未分配，非NULL值标记为已分配
有我可以调用的函数，要求从表中随机选择的x个未分配的ID。

这是针对一些非常具体的事情，虽然我知道有不同的方法可以做到这一点，但我想知道这个特定实现中是否有解决方案。

我有一些部分有用的东西，但想知道函数中的缺陷在哪里。

这是表格：

CREATE SEQUENCE accounts_seq MINVALUE 700000000001 NO MAXVALUE;

CREATE TABLE accounts (
  id BIGINT PRIMARY KEY default nextval('accounts_seq'), 
  client VARCHAR(25), UNIQUE(id, client)
);

此函数gen_account_ids只是一次性设置，用于预先填充固定行数的表，所有行都标记为未分配。

/*
  This function will insert new rows into the accounts table with ids being
  generated by a sequence, and client being NULL.  A NULL client indicates
  the account has not yet been assigned.
*/
CREATE OR REPLACE FUNCTION gen_account_ids(bigint)
  RETURNS INT AS $gen_account_ids$
DECLARE
  -- count is the number of new accounts you want generated
  count alias for $1;
  -- rowcount is returned as the number of rows inserted
  rowcount int;
BEGIN
  INSERT INTO accounts(client) SELECT NULL FROM generate_series(1, count);
  GET DIAGNOSTICS rowcount = ROW_COUNT;
  RETURN rowcount;
END;
$gen_account_ids$ LANGUAGE plpgsql;

所以，我使用它来预先填充表格，比如1000条记录：

SELECT gen_account_ids(1000);

下一个函数assign用于随机选择未分配的 id（未分配的意味着client列为空），并使用客户端值更新它，以便它被分配。它返回受影响的行数。

它有时会，但我相信会发生冲突 - 这就是我为DISTINCT尝试的原因，但它通常会返回少于所需行数的原因。例如，如果我select assign(100, 'foo');它可能会返回95行而不是所需的100行。

如何修改它以使其始终返回所需的精确行？

   /*
     This will assign ids to a client randomly
     @param int is the number of account numbers to generate
     @param varchar(10) is a string descriptor for the client
     @returns the number of rows affected -- should be the same as the input int

     Call it like this: `SELECT * FROM assign(100, 'FOO')`
   */
   CREATE OR REPLACE FUNCTION assign(INT, VARCHAR(10))
     RETURNS INT AS $$
   DECLARE
     total ALIAS FOR $1;
     clientname ALIAS FOR $2;
     rowcount int;
   BEGIN
     UPDATE accounts SET client = clientname WHERE id IN (
       SELECT DISTINCT trunc(random() * (
         (SELECT max(id) FROM accounts WHERE client IS NULL) - 
         (SELECT min(id) FROM accounts WHERE client IS NULL)) + 
         (SELECT min(id) FROM accounts WHERE client IS NULL)) FROM generate_series(1, total));
     GET DIAGNOSTICS rowcount = ROW_COUNT;
     RETURN rowcount;
   END;
   $$ LANGUAGE plpgsql;

这基于this松散地基于SELECT trunc(random() * (100 - 1) + 1) FROM generate_series(1,5);，您可以执行i==read/2-1之类的操作，这将选择1到100之间的5个随机数。

我的目标是做一些类似的事情，我在最小和最大未分配行之间选择一个随机ID，并将其标记为更新。

Answer 1

这不是最好的答案b / c它确实涉及全表扫描，但在我的情况下，我不关心性能，它的工作原理。这是基于@ CraigRinger对博客文章getting random tuples

的引用

我一般都对听到其他（也许是更好的）解决方案感兴趣 - 并且特别好奇为什么原始解决方案不足以及@klin还设计了什么。

所以，这是我的强力随机订单解决方案：

-- generate a million unassigned rows with null client column
insert into accounts(client) select null from generate_series(1, 1000000);

-- assign 1000 random rows to client 'foo'
update accounts set client = 'foo' where id in 
  (select id from accounts where client is null order by random() limit 1000);

Answer 2

由于行的随机子集ids不是连续的，因此请选择随机row_number()而不是随机id。

with nulls as ( -- base query
    select id
    from accounts 
    where client is null
    ),
randoms as ( -- calculate random int in range 1..count(nulls.*) 
    select trunc(random()* (count(*) - 1) + 1)::int random_value
    from nulls
    ),
row_numbers as ( -- add row numbers to nulls
    select id, row_number() over (order by id) rn
    from nulls
    )
select id
from row_numbers, randoms
where rn = random_value; -- random row number

此处不需要函数，但如果需要，您可以轻松地将查询放在函数体中。

此查询使用null client更新5个随机行。

update accounts
set client = 'new value' -- <-- clientname
where id in (
    with nulls as ( -- base query
        select id
        from accounts 
        where client is null
        ),
    randoms as ( -- calculate random int in range 1..count(nulls.*) 
        select i, trunc(random()* (count(*) - 1) + 1)::int random_value
        from nulls
        cross join generate_series(1, 5) i -- <--  total
        group by 1
        ),
    row_numbers as ( -- add row numbers to nulls in order by id
        select id, row_number() over (order by id) rn
        from nulls
        )
    select id
    from row_numbers, randoms
    where rn = random_value -- random row number
)

但是，由于

，因此无法确定查询将准确更新5行

select trunc(random()* (max_value - 1) + 1)::int
from generate_series(1, n)

不是生成n个不同随机值的正确方法。重复概率随商n / max_value而增加。

PL / pgSQL函数随机选择一个id

2 个答案: