主页 / dba / 问题 / 275154
Accepted
axdna
Asked: 2020-09-09 06:26:36 +0800 CST

为随机组划分数据的最佳方法是什么？

  • 772

我想有一个持久化的列，它将根据varchar表中的关键列之一随机分组 32 个组的数据。我的想法是：

SELECT ABS(CAST(HASHBYTES('MD5',[keyColumnFromTable]) AS bigint) % 31)

问题：

  1. CHECKSUM除了（不同的值不同COLLATE）和自己的功能之外，还有什么更好的方法吗？
  2. 如果我会使用会有什么不同SELECT CAST(HASHBYTES('MD5',[keyColumnFromTable]) AS tinyint) % 31？我正在阅读它CAST正在tinyint考虑最后一个字节的数据。对随机性有影响吗？
sql-server cast

1 个回答

  1. Best Answer

    一种替代方法是使用序列来执行循环分配。定义序列的最小值和最大值以匹配必要的桶数。就像是

    CREATE SEQUENCE group_sequence
    AS tinyint
    START WITH 0
    INCREMENT BY 1
    MAXVALUE 31
    CYCLE;

    保存组号的持久列可以具有默认值..next value for group_sequence.

    其随机性将取决于新行的到达顺序。例如，如果您有 32 个输入流，并且它们一个接一个地发送行，那么显然每个流的行最终将归为一组。如果数据以批次的形式到达，则该批次将均匀分布在所有组中，或取几行。我不能说这对您的计算质量是否重要。

    关于转换为 tinyint 的问题，我没有数学答案，只是观察。由于 MD5 哈希返回 16 字节转换为 bigint 已经产生截断。为什么转换为 tinyint 会更有问题？您可以直接对 HASHBYTES 的结果执行模计算，这将执行隐式转换为 4 字节 int。

    另请注意，强制转换散列可能会产生负整数。与其他组相比，在计算模数后取绝对值将给出零组中大约一半的行数。由于 tinyint 不能为负数，至少可以避免这种情况。

    • 2

相关问题