优化随机T-SQL

Question

首先：您对我随机的方式有什么看法？这种方式太穷了吗？

我有一个表TABLE_A：

id  | name  | state 
---------------------|---------- 
1703248 | blablabla | 1 
...  | blablabla | 0 
7873415 | blablabla | 1 
7926033 | blablabla | 1 

id列可以包含alfanumeric值太像 'ZXG-76354GH-34347' 例如。 那么，我有3060条记录。

详细信息：

select count(1) from TABLE_A where id like 'n%' 

如果：

是随机

n=1 ---> 201 records , n=2 ---> 147 records , n=3 ---> 187 records 
n=4 ---> 327 records , n=5 ---> 430 records , n=6 ---> 503 records 
n=7 ---> 1175 records , n=8 ---> 35 records , n=9 ---> 55 records 

我的存储过程：

--Name: Randomize_sp 
BEGIN 
DECLARE @temp table(id varchar(50)) 
--RANDOM 1 
INSERT INTO @temp 
SELECT id FROM TABLE_A 
WHERE state > 0 
ORDER BY RAND(CHECKSUM(NEWID())) 
--RANDOM 2 
SELECT top 1 id FROM @temp ORDER BY RAND(CHECKSUM(NEWID())) 
END 

我调用存储过程多次或 'N' 次（我需要要做到这一点）：

BEGIN 
DECLARE @nTimes int, @i int 
DECLARE @tempT table(id varchar(50)) 
SET @nTimes = 12 
SET @i = 0 
WHILE @i < @nTimes 
    BEGIN 
    INSERT INTO @tempT 
    EXECUTE MyDB.dbo.Randomize_sp 
    SET @i = @i + 1 
    END 
    SELECT id FROM @tempT 
END 

问题是：总是我得到以'7'开头的4或5行，有时我得到以'5'开头的3或2行......我想 以避免重复。我赞赏任何建议。

谢谢。

Answer 1

我想你不知道“随机”是什么意思。在这种情况下，你有〜3000条记录，但其中1175条以“7”开头。纯粹的统计数据表明，大约33％的时间你会得到'7'。你会经常得到愚蠢的东西。对拉玛克的评论，如果你想明确避免愚蠢，你需要一个更复杂的算法，根据你的数据，可能无法避免愚蠢。

最终目标是什么？它看起来像是多次复制一组ID，但是使用那些数据的是什么？可能有更好，更短的路径来实现你想要的。

其他评论： 您对兰德（CHECKSUM（NEWID（）））的使用让我感到困惑。如果您只是调用RAND（），它将随系统时间戳随机播种。这对于大数据建模之外的任何应用程序来说都足够“随机”了。

另外，你为什么要在Randomize_sp中“随机化”两次？首先从数据库中选择所有“状态> 0”行到临时表中，然后从临时表中选择所有内容。你不能“增加”随机性，所以你最好只返回原始数据集，而不是首先将其放入@table变量。