【发布时间】:2018-12-04 01:08:01
【问题描述】:
我有两组,对于第一组中的每个值,我想应用第二组中的一些随机值。我选择的方法使用第一个选择和第二个交叉应用。一个简化的 MWE 如下:
DROP TABLE IF EXISTS #S;
CREATE TABLE #S (c CHAR(1));
INSERT INTO #S VALUES ('A'), ('B');
DROP TABLE IF EXISTS #T;
WITH idGen(id) AS (
SELECT 1
UNION ALL
SELECT id + 1 FROM idGen WHERE id < 1000
)
SELECT id INTO #T FROM idGen OPTION(MAXRECURSION 0);
DROP TABLE IF EXISTS #R;
SELECT c, id INTO #R FROM #S
CROSS APPLY (
SELECT id, ROW_NUMBER() OVER (
/*
-- this gives 100% overlap
PARTITION BY c
ORDER BY RAND(CHECKSUM(NEWID()))
*/
-- this gives the expected ~10% overlap
ORDER BY RAND(CHECKSUM(NEWID()) + CHECKSUM(c))
) AS R
FROM #T
) t
WHERE t.R <= 100;
SELECT COUNT(*) AS PercentOverlap -- ~10%
FROM #R rA JOIN #R rB
ON rB.id = rA.id AND rB.c = 'B'
WHERE rA.c = 'A';
虽然此解决方案有效,但我想知道为什么更改为(已注释的)分区方法不起作用?此外,使用此解决方案是否有任何注意事项,因为添加两个校验和感觉有点脏?
在实际问题中,第一个集合中还有一个计数,其中包含要从第二个集合中选择的随机值的数量,它替换了上面示例中的静态 100。但是,使用固定的 100 可以很容易地验证预期的重叠。
【问题讨论】:
-
为什么不能使用 ...ORDER BY NEWID() 实现随机排序
标签: sql sql-server tsql random