从另一个 table 中选择随机 ID。...对 LATERAL JOIN 感到困惑

Question

我试图掌握在 Postgres 中生成随机数据的方法，但发现我对 LATERAL JOIN 有一些误解。在我之前获得的一些帮助的基础上，我有一些代码试图：

-- 生成一串数字
-- 在匹配数字序列
的小时生成时间戳 -- 为每一行生成大致呈正态分布的随机（ish）分数
-- 从数据库中的 table 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，我得到了 facility_id 的随机值，但每一行都有相同的随机值。我希望在每个行上分配随机 ID，而不是在整个运行上全局分配一次。在程序思维中， facility_id 是在循环之前分配的，我希望它在循环中分配。我认为 LATERAL JOIN 会帮我解决这个问题，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;

我认为子查询可能有效，但我还使用以下代码在 facility_id 的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 table 定义，但上面唯一重要的字段是 id，因此任何 table 都将以相同的方式工作。

万一它对答案有任何影响，一旦我找到这个问题的解决方案，我想在每一行上使用随机 facility_id 作为 [=64 的输入=] 另一个 table 中的其他东西。

感谢您的帮助。我致力于此不仅是为了获得解决方案，而且是为了尝试获得关于各种工具如何工作的更好的心智模型。我（显然）还没有达到可以阅读上述代码并在脑海中预测其行为方式的程度。获得这种理解是弄清楚如何自己解决问题的基础。换句话说，我不仅在努力解决这个问题，我也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 post 更多代码。

哈！很高兴看到我不是唯一一个被指控有 过早优化问题 的人 ;-) 这是可以在设计或审查 session 中愤怒地抛出的东西当然。

我认为您所展示的是表达式中使用了 id，这使得其结果不确定。这是我 生活和重新学习 我应该 post 我的 table 结构的地方。我们的 id 字段是 UUID。我试图将一些会在表达式中使用 UUID 的东西组合在一起，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解决它的方法不是我可以预测的行为。因为缝隙。我已经尝试运行通过 explain (costs off) 将我的代码与 left 表达式结合起来，我得到了这种输出：

  CTE facilities_counter
    ->  Aggregate
          ->  Seq Scan on facility
  InitPlan 3 (returns )
    ->  Limit
          InitPlan 2 (returns )
            ->  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 (?)

Answer 1

这是一个过早优化问题。 Postgres 预见到子查询将 return 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，方法是添加一些始终评估为真但 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;

Demo on DB Fiddle

从另一个 table 中选择随机 ID。...对 LATERAL JOIN 感到困惑

Selecting random IDs from another table....confused about LATERAL JOIN

postgresql

random

mocking

lateral-join

过早的优化