sql - 如何使用另一个表中的随机行更新表的每一行

Question

我正在构建我的第一个去标识化脚本，并且遇到了我的方法问题。

我有一张 table dbo.pseudonyms谁的firstname列填充了 200 行数据。这列 200 行中的每一行都有一个值(没有一个为空)。这个表还有一个id列(整数，主键，非空)，数字为 1-200。

我想做的是，在一个声明中，重新填充我的整个 USERS表带 firstname从我的 pseudonyms 中为每一行随机选择的数据 table 。

要生成用于采摘的随机数，我正在使用 ABS(Checksum(NewId())) % 200 .每次做SELECT ABS(Checksum(NewId())) % 200我在我正在寻找的范围内得到一个数值就好了，没有间歇性不稳定的行为。

但是，当我在以下语句中使用此公式时:

SELECT pn.firstname 
FROM DeIdentificationData.dbo.pseudonyms pn 
WHERE pn.id = ABS(Checksum(NewId())) % 200

我得到非常间歇性的结果。我会说大约 30% 的结果返回一个从表中挑选出来的名字(这是预期的结果)，大约 30% 返回一个以上的结果(这令人困惑，没有重复的 id 列值)，大约 30% 返回 NULL(即使 firstname 列中没有空行)

我确实为这个特定问题寻找了很长时间，但到目前为止无济于事。我假设这个问题与使用这个公式作为指针有关，但我不知道如何做到这一点。

想法？

Answer 1

为什么您在问题中的查询返回意外结果

您的原始查询选自 Pseudonyms .服务器扫描表的每一行，选择 ID从该行生成一个随机数，将生成的数与 ID 进行比较.

当特定行的生成数字碰巧与 ID 相同时在该行的结果集中返回该行。很可能偶然生成的数字永远不会与 ID 相同。 ，以及生成的数字与 ID 重合几次。

更详细一点:

服务器选择一行 ID=1 .

生成一个随机数，比如 25 .为什么不？一个不错的随机数。

是 1 = 25 ?否 => 不返回该行。

服务器选择一行 ID=2 .

生成一个随机数，比如 125 .为什么不？一个不错的随机数。

是 2 = 125 ?否 => 不返回该行。

等等...

Here is a complete solution on SQL Fiddle

样本数据

DECLARE @VarPseudonyms TABLE (ID int IDENTITY(1,1), PseudonymName varchar(50) NOT NULL);
DECLARE @VarUsers TABLE (ID int IDENTITY(1,1), UserName varchar(50) NOT NULL);

INSERT INTO @VarUsers (UserName)
SELECT TOP(1000)
    'UserName' AS UserName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

INSERT INTO @VarPseudonyms (PseudonymName)
SELECT TOP(200)
    'PseudonymName'+CAST(ROW_NUMBER() OVER(ORDER BY sys.all_objects.object_id) AS varchar) AS PseudonymName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

表 Users有 1000 行相同的 UserName对于每一行。表 Pseudonyms有 200 行不同的 PseudonymNames :

SELECT * FROM @VarUsers;
ID   UserName
--   --------
1    UserName
2    UserName
...
999  UserName
1000 UserName

SELECT * FROM @VarPseudonyms;
ID   PseudonymName
--   -------------
1    PseudonymName1
2    PseudonymName2
...
199  PseudonymName199
200  PseudonymName200

第一次尝试

起初我尝试了一种直接的方法。对于 Users 中的每一行我想从 Pseudonyms 中随机获取一行:

SELECT
    U.ID
    ,U.UserName
    ,CA.PseudonymName
FROM
    @VarUsers AS U
    CROSS APPLY
    (
        SELECT TOP(1)
            P.PseudonymName
        FROM @VarPseudonyms AS P
        ORDER BY CRYPT_GEN_RANDOM(4)
    ) AS CA
;

事实证明优化器太聪明了，这产生了一些随机的，但相同的 PseudonymName每个 User ，这不是我所期望的:

ID   UserName   PseudonymName
1    UserName   PseudonymName181
2    UserName   PseudonymName181
...
999  UserName   PseudonymName181
1000 UserName   PseudonymName181

因此，我稍微调整了这种方法，并为 Users 中的每一行生成了一个随机数。第一的。然后我用生成的数字找到了 Pseudonym有了这个 ID对于 Users 中的每一行使用 CROSS APPLY .
CTE_Users有一个额外的列，随机数从 1 到 200。在 CTE_Joined 中我们从 Pseudonyms 中选择一行每个 User .
最后我们 UPDATE原版 Users table 。

最终解决方案

WITH
CTE_Users
AS
(
    SELECT
        U.ID
        ,U.UserName
        ,1 + 200 * (CAST(CRYPT_GEN_RANDOM(4) as int) / 4294967295.0 + 0.5) AS rnd
    FROM @VarUsers AS U
)
,CTE_Joined
AS
(
    SELECT
        CTE_Users.ID
        ,CTE_Users.UserName
        ,CA.PseudonymName
    FROM
        CTE_Users
        CROSS APPLY
        (
            SELECT P.PseudonymName
            FROM @VarPseudonyms AS P
            WHERE P.ID = CAST(CTE_Users.rnd AS int)
        ) AS CA
)
UPDATE CTE_Joined
SET UserName = PseudonymName;

结果

SELECT * FROM @VarUsers;
ID   UserName
1    PseudonymName41
2    PseudonymName132
3    PseudonymName177
...
998  PseudonymName60
999  PseudonymName141
1000 PseudonymName157

SQL Fiddle