时间戳

首页 > 解决方案 > 从另一个表中选择随机 ID ....对 LATERAL JOIN 感到困惑

postgresql - 从另一个表中选择随机 ID ....对 LATERAL JOIN 感到困惑

问题描述

我试图掌握在 Postgres 中生成随机数据的方法，但发现我对LATERAL JOIN. 基于我之前获得的一些帮助，我有一些代码试图：

-- 生成一系列数字
-- 生成与数字序列匹配的小时的时间戳
-- 为每一行生成一个大致正态分布的随机（ish）分数
-- 从数据库中的表中随机选择一个 ID。

最后一点不起作用。当我运行下面显示的脚本时，我得到一个随机值facility_id，但每一行都有相同的随机值。我想要在每一行上分配的随机 ID，而不是在整个运行中全局分配一次。在程序性思维中，facility_id是在循环之前分配的，我希望它在循环中分配。我认为这LATERAL JOIN会帮助我在这里，但是

WITH facilities_count AS
(SELECT count(*) from facility)

 SELECT hour_number AS id, -- Get numbers in sequence.
       '2019-01-01 00:00'::timestamp + interval '1 HOUR' * hour_number AS stamp, -- Get hours in sequence
        ABS(TRUNC(normal_rand(1, 0, 1) * 100)) AS score, -- Create a random score in a ~normal distribution.
       random_facility.id

 FROM (SELECT * FROM generate_series(1,8760,1) AS hour_number) generated_numbers 

 LEFT JOIN LATERAL
      (SELECT id
          FROM facility 
        OFFSET floor(random() * (select count from facilities_count))
         LIMIT 1) random_facility
            ON true;

我认为子查询可能会起作用，但我还facility_id使用以下代码在所有行中获得了一个值：

WITH facilities_counter AS
(SELECT count(*) from facility)

 SELECT hour_number AS id, -- Get numbers in sequence.
       '2019-01-01 00:00'::timestamp + interval '1 HOUR' * hour_number AS stamp, -- Get hours in sequence
        ABS(TRUNC(normal_rand(1, 0, 1) * 100)) AS score, -- Create a random score in a ~normal distribution.
         (SELECT id FROM facility OFFSET floor(random() * (select count from facilities_counter)) LIMIT 1)

 FROM (SELECT * FROM generate_series(1,8760,1) AS hour_number) generated_numbers;

我没有列出facility表定义，但上面唯一重要的字段是id，因此任何表都可以以相同的方式工作。

如果它对答案有任何影响，一旦我能找出解决这个问题的方法，我想使用facility_id每一行上的随机数作为输入，从另一个表中选择其他东西。

谢谢你的帮助。我正在为此努力，不仅是为了获得解决方案，而且是为了尝试更好地了解各种工具的工作原理。我（显然）还没有到可以阅读上述代码并在脑海中预测它的行为方式的地步。获得这种理解是我自己解决问题的基础。换句话说，我不仅在尝试解决这个问题，而且还在努力缩小我的心理差距。

过早的优化

我正在编辑我的问题，因为我需要发布更多代码。

哈！很高兴看到我不是唯一一个被指控存在过早优化问题的人;-) 可以肯定的是，这在设计或审查会议中可能会被激怒。

我认为您所展示的id是在表达式中使用的，这使得它的结果不确定。这就是我生活的地方，并重新学习我应该发布我的表格结构。我们的id字段是 UUID。我试图将在表达式中使用 UUID 的东西拼凑在一起，但它不会改变行为。

where left(id::text,1) <> 'X' -- prevent premature optimization

您描述的过早优化，以及打败它的解决方法，不是我可以预测的行为。因为缝隙。我试过用left表达式运行我的代码explain (costs off)，我得到了这种输出：

  CTE facilities_counter
    ->  Aggregate
          ->  Seq Scan on facility
  InitPlan 3 (returns $2)
    ->  Limit
          InitPlan 2 (returns $1)
            ->  CTE Scan on facilities_counter
          ->  Seq Scan on facility facility_1
                Filter: ("left"((id)::text, 1) <> 'X'::text)
  ->  ProjectSet
        ->  Function Scan on generate_series hour_number```

I'm unclear from the output how I would distinguish the behavior you describe, which is still present here (?)

标签： postgresqlrandommockinglateral-join

解决方案

这是一个过早的优化问题。Postgres 预见到子查询将返回一个常量值并将其优化掉。

一个解决方案是强制它为每条记录执行子查询，方法是添加一些总是评估为真但 Postgres 不会这样理解的条件。

考虑：

with facilities_counter as (select count(*) from facility)
select 
    hour_number as id, -- get numbers in sequence.
    '2019-01-01 00:00'::timestamp + interval '1 hour' * hour_number as stamp,
    abs(trunc(normal_rand(1, 0, 1) * 100)) as score,
    (
        select id 
        from facility 
        where id <> -1 * hour_number   -- prevent premature optimization
        offset floor( random() * (select count from facilities_counter)) 
        limit 1
    )
from (
    select * from generate_series(1,8760,1) as hour_number
) generated_numbers;

DB Fiddle 上的演示

推荐阅读