选择一个随机的行，但有几率答案

【问题标题】：Select a random row but with odds选择一个随机的行，但有几率
【发布时间】：2011-03-24 17:18:54
【问题描述】：

我有一个行数据集，每行的“赔率”数字介于 1 到 100 之间。我希望以最有效的方式进行。几率加起来不一定是 100。

我有一些想法。

一）选择整个数据集，然后将所有几率相加并生成一个介于 1 和该数字之间的随机数。然后循环遍历数据集，从数字中减去几率，直到它为 0。

我希望尽量减少对数据库的影响，所以我考虑是否只能选择我需要的行。

b)

SELECT * FROM table WHERE (100*RAND()) < odds

我考虑过LIMIT 0,1

但是如果物品具有相同的概率，则只会返回其中之一

或者，取整个数据集并从中选择一个随机数据集...但随后赔率会受到影响，因为它变成一个有赔率的随机数，然后是一个没有赔率的随机数，因此赔率变得有利于更高的赔率（偶数更是如此）。

我想我可以 order by oddsASC 然后获取整个数据集，然后使用 PHP 从行中随机抽取与第一条记录相同的概率（最低）。

似乎是一个笨拙的解决方案。

有人有更好的解决方案吗？如果不是，以上哪一项最好？

【问题讨论】：

你可能想看看这个问题：stackoverflow.com/questions/1819293/…
数据集中有多少行有赔率？
他们都有胜算。总共可能有 20 - 50 行。

标签： php mysql random probability

【解决方案1】：

做一些前期工作，在表格中添加一些有助于选择的列。例如假设你有这些行

 X  2  
 Y  3
 Z  1

我们添加一些累积值

 Key Odds Start  End 
 X    2     0     1      // range 0->1, 2 values == odds
 Y    3     2     4      // range 2->4, 3 values == odds
 Z    1     5     5      // range 5->5, 1 value == odds

开始和结束的选择如下。第一行从零开始。后续行的开始比前一个结束多一个。结束是（开始 + 赔率 - 1）。

现在在 0 到 Max(End) 范围内选择一个随机数 R

Select * from T where R >= T.Start and R <= T.End

如果数据库足够聪明，我们也许可以使用

 Select * from T where R >= T.Start and R <= (T.Start + T.Odds - 1)

我推测拥有带有索引的 End 列可能会提供更好的性能。此外，Max(End) 可能会隐藏在某个地方，并在必要时由触发器更新。

显然在更新开始/结束时有些麻烦。如果有的话，这可能还不错

表格内容稳定
或插入以某种方式自然排序，因此每个新行都从旧的最高行继续。

【讨论】：

这是一个有趣的解决方案。它可以通过使用 'between' 而不是 '>= 和
如果其中一行被删除，这也需要更新多条记录。我认为“插入”不是问题，因为顺序无关紧要。这会产生加权结果。这是 OP 想要的吗？
是的，我正在寻找加权结果。

【解决方案2】：

如果你拿了你的代码，并添加了 ORDER BY RAND() 和 LIMIT 1 怎么办？

SELECT * FROM table WHERE (100*RAND()) < odds ORDER BY RAND() LIMIT 1

这样，即使你有多个相同的概率，它总是会随机排序回来，然后你只取第一个条目。

【讨论】：

随着行数的增加，这个查询的开销也会增加。
这也是随机加权+随机....这会改变权重。如果 WHERE RAND 返回的数字较低，例如 0.001，则将返回重量最低的项目 - 以及所有其他记录。然后它有 1 in（总记录）被退回。如果 WHERE rand 是 0.9，它只会返回几条记录，因此权重变得更加倾向于更高的权重
@Pablo，我同意。应该删除 WHERE 子句。
不，我正在寻找加权，但这是加权+随机。这会扭曲权重。

【解决方案3】：

select * from table 
where id between 1 and 100 and ((id % 2) <> 0) 
order by NewId()

【讨论】：

【解决方案4】：

嗯。不完全清楚你想要什么结果，如果这有点疯狂，请耐心等待。话虽如此，怎么样：

创建一个新表。该表为固定数据表，如下所示：

Odds
====
   1
   2
   2
   3
   3
   3
   4
   4
   4
   4
etc, 
etc.

然后从您的数据集连接到赔率列上的该表。对于表格中的每一行，您将获得与该行的给定几率一样多的行。

然后随机选择一组。

【讨论】：

【解决方案5】：

如果您在赔率列上有一个索引和一个主键，这将非常有效：

SELECT id, odds FROM table WHERE odds > 0

数据库甚至不必从表中读取，它会从赔率索引中获取所需的一切。

然后，您将在 1 和返回的行数之间选择一个随机值。

然后从返回的行数组中选择该行。

然后，最后，选择整个目标行：

SELECT * FROM table WHERE id = ?

这确保了所有行之间的平均分布与赔率值。

或者，将赔率放在不同的表中，使用自动增量主键。

Odds
ID     odds
1      4
2      9
3      56
4      12

在主表中存储ID外键而不是赔率值，并对其进行索引。

首先，获取最大值。这永远不会触及数据库。它使用索引：

SELECT MAX(ID) FROM Odds

获取一个介于 1 和最大值之间的随机值。

然后选择记录。

SELECT * FROM table
JOIN Odds ON Odds.ID = table.ID
WHERE Odds.ID >= ?
LIMIT 1

如果您倾向于删除 Odds 值或回滚插入以保持分布均匀，这将需要一些维护。

SQL Antipatterns这本书里有一整章是关于随机选择的。

【讨论】：

【解决方案6】：

我没有尝试过，但可能是这样的（带有 ? 一个从 0 到 SUM(odds) - 1 的随机数）？

SET @prob := 0;

SELECT
  T.*,
  (@prob := @prob + T.odds) AS prob
FROM table T
WHERE prob > ?
LIMIT 1

这与您的想法 a) 基本相同，但完全在一个（好吧，如果您计算变量设置，从技术上讲是两个）SQL 命令内。

【讨论】：

这将被加权到较高的值。例如，如果您有值 1 和 5，则只有 rand 0 等于 1，但 rand 2 到 4 等于 5。
@Marcus：我不明白你的意思。如果您的值为 1 和 5，prob 将分别为 1 和 6；如果随机数为 0（6 次中有 1 次机会），它将选择第一行，如果是 1-5（6 次中有 5 次机会），它将选择第二行。相反，如果你有 5 和 1，prob 将是 5 和 6；因此，随机数 0-4 将选择第一行（6 次中有 5 次机会），而 5 将选择第二行（6 次中有 1 次机会），正如所愿。偏差在哪里？
我没有看到 OP 在哪里说他们想要加权随机选择。如果这两个值之一的赔率是 5:1，那将是有偏差的。你不这么认为吗？
啊，我误解了你的抱怨。是的，显然它是加权的——这就是我理解这个问题的意思。具体来说，尝试重新阅读标题（“随机行但有几率”）和他的“a）”尝试解决方案（这正是我所写的，但在 SQL 中）。
我可能是错的，但我认为 OP 抱怨解决方案无效，因为它是加权的。

【解决方案7】：

适用于 O(log(n)) 更新的通用解决方案是这样的：

将对象存储为（平衡）树的叶子。
在每个分支节点，存储其下所有对象的权重。
添加、删除或修改节点时，更新其父节点的权重。

然后选择一个介于 0 和（总重量 - 1）之间的数字并沿着树向下导航，直到找到正确的对象。

由于您不关心树中事物的顺序，您可以将它们存储为一个包含 N 个指针和 N-1 个数字的数组。

【讨论】：