gpt4 book ai didi

mysql - 在亚线性时间内从MySQL表中选择加权随机条目

转载 作者:行者123 更新时间:2023-11-29 03:33:06 25 4
gpt4 key购买 nike

我看到有人主张使用类似于从表中选择随机项的方法。然而,这对我来说似乎非常低效,因为在排序之前,我们必须遍历整个表并为每个表生成随机数。plenty似乎更像是朝着正确的方向迈出了一步:假设总的和是预先计算好的,现在我们得到了一个简单的线性搜索。
不过,确实有可能做得更好,但想到的方法似乎都需要粗略的操作。
我们可以存储一个累积的权重分布,生成一个介于0和max之间的随机数SELECT * FROM tbl ORDER BY -LOG(RAND())/weights LIMIT 1;,并使用weights上的索引和weights来查找帖子。但是,删除或移动中间的条目需要大量的工作来更新之后的权重。
我们可以将表分解成更小的表并计算其中的权重之和。我们首先搜索这些范围,直到找到包含所选随机数的范围,然后对该表执行线性搜索。然而,对于大型BETWEEN有这么多表似乎是糟糕的数据库设计,理想情况下,我希望将其降到对数时间而不是sqrt(n)
我已经在这个问题上挣扎了一段时间了,这是我想出的最好的办法。还有其他想法吗?

最佳答案

让我试着大声思考。
最好的方法应该确定地为范围(0,1)中的每个值选择特定的条目。对于重量为零的条目,应保留零。
为了使项目1成为可能,每个条目都应该知道其在0到1之间的下限和上限。这正是你在可能的解决方案中所说的。你还说这将意味着许多工作在一个入口重量变化。但不管怎样,你需要重新调整权重,使其总和为1,或者更新并缓存所有权重的总和,以便计算每个权重的百分比。嗯,你说得对,如果你重新调整第一个和最后一个条目之间的权重,你就必须更新这两个条目之间的限制。
这就引出了一个解决方案,在运行时计算极限(下限或上限,实际上只需要一个),将权重相加到条目。好消息是,您可以使用权重覆盖索引,即从内存中读取权重值。
这种方法的缺点是查询的执行时间将取决于随机值:值越多,查询花费的时间就越长。但是,更大权重的范围将更频繁地匹配,所以我们可能会利用这样的事实:权重是在btree索引中排序的,从末尾强制索引查找,在找到值时短循环退出处理(虽然还不确定,这对于积累值的查询是可能的)。
我应该多想一想。
升级1。我刚刚意识到我所描述的和链接答案中写的完全一样。考虑到查询将从索引中获取权重,解决方案应该足够快。当然,还有一个更快的选择方案,但需要更多的空间和准备。这可能看起来很疯狂,但也有可能奏效的情况。您可以将权重分布描述为一个固定的int值范围,并维护一个(内存)表,其中包含从该范围到特定加权项的任何int值的映射。然后查询将一个随机值舍入为int,int值(作为内存表中的主键)将指向某个条目id。显然,表中的行数将取决于权重的粒度,并且在任何权重更新之后都必须更新整个表。但如果重量更新很少,这可能是一个选择。
升级版2。我决定展示一些SQL。下面是两个可行的解决方案。我们有一张桌子:

CREATE TABLE entries (
entry_id int(10) unsigned NOT NULL AUTO_INCREMENT,
weight float NOT NULL DEFAULT 0.,
data varchar(50),
PRIMARY KEY (entry_id) USING BTREE,
KEY weights (weight) USING BTREE
) ENGINE=InnoDB;

INSERT INTO entries (weight) VALUES (0.), (0.3), (0.1), (0.3), (0.0), (0.2), (0.1);

我们能想到的最好的查询将有一个从rand()值到特定条目的就绪映射。在这种情况下,我们只需要通过主键找到一个条目。正如我所说,这样一个查询的表将占用一些空间,但是假设我们已经准备好了。我们可能希望将映射保留在内存中,因此可以使用内存引擎,它使用散列索引作为主键(这也很好,因为我们需要将值映射到特定值)。
让我们看看我们的桌子:
mysql> SELECT entry_id, weight FROM entries ORDER BY weight;
+----------+--------+
| entry_id | weight |
+----------+--------+
| 1 | 0 |
| 5 | 0 |
| 3 | 0.1 |
| 7 | 0.1 |
| 6 | 0.2 |
| 2 | 0.3 |
| 4 | 0.3 |
+----------+--------+

让我们创建另一个表并用值填充它:
CREATE table int2entry (
an_int int(10) unsigned NOT NULL AUTO_INCREMENT,
entry_id int(10) unsigned NOT NULL,
PRIMARY KEY (an_int)
) ENGINE=Memory;
TRUNCATE int2entry;
INSERT INTO int2entry (entry_id)
VALUES (3), (7), (6), (6), (2), (2), (2), (4), (4), (4);

其思想是特定条目id的引用数与权重成正比。仅使用SQL可能很难更新该表,并且必须在每次权重更改后对其进行截断和更新,但正如我所说的,在很少更新的情况下,这仍然是一个选项。下面是获取条目id的查询,然后可以将其连接到条目表(您应该知道映射表中的行数):
SELECT entry_id
FROM (SELECT ceiling(rand() * 10) as an_int) as t1
JOIN int2entry USING (an_int);

另一个解决方案是使用累积权重,并从索引中的顺序中获得优势。
当我们选择数据时,数据是按某种索引顺序选择的(对于主键顺序中的select*)。 weights索引是从权重到条目id的有序映射。如果只选择权重和条目id,则可以直接从 weights索引中获取值,即数据将按索引顺序读取。我们可以使用ORDER BY来强制逆索引顺序进行迭代(较大的权重存储在末尾,但匹配的频率会更高)。为什么重要?因为我们将在WHERE子句中添加一些技巧,并根据处理行的特定顺序进行计算:
SET @rand:= RAND(), @cum_weight:=0.;
SELECT entry_id, weight, @cum_weight, @rand
FROM entries
WHERE @rand < @cum_weight:=@cum_weight+weight
ORDER BY weight DESC
LIMIT 1;

+----------+--------+----------------------------------+--------------------+
| entry_id | weight | @cum_weight | @rand |
+----------+--------+----------------------------------+--------------------+
| 6 | 0.2 | 0.800000026822090100000000000000 | 0.6957228003961247 |
+----------+--------+----------------------------------+--------------------+

实际上,您只需要输入id,即生成的查询应该如下所示:
SELECT *
FROM entries
JOIN (
SELECT entry_id
FROM entries
JOIN (SELECT @rand:= RAND(), @cum_weight:=0.) as init
WHERE @rand < @cum_weight:=@cum_weight+weight
ORDER BY weight DESC
LIMIT 1) as rand_entry USING (entry_id);

注意 LIMIT 1在找到所需条目时停止处理。
另外,
您可能应该使用十进制类型而不是浮点或双精度来存储权重,以避免在一组较大的较小权重上出现不希望出现的舍入错误。
您可以将有趣的查询隐藏到存储函数中,并使用游标。这个语法似乎更容易理解。

关于mysql - 在亚线性时间内从MySQL表中选择加权随机条目,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27592916/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com