Início / dba / Perguntas / 346068
Accepted
raphael
Asked: 2025-04-08 02:17:40 +0800 CST

Maneira determinística, mas aleatória, de desempatar ao ordenar junções baseadas em distância

  • 772

Estamos tentando combinar eventos com linhas com base na distância geográfica mais próxima

--pseudo code
LATERAL JOIN (
    SELECT line_id, geom 
    FROM lines 
    ORDER by distance(lines.geom, events.geom) 
    LIMIT 1) nearest_line

Às vezes, surpreendentemente, há empates. Queremos garantir que, se nosso pipeline de ETL for executado novamente com os mesmos conjuntos de dados, as mesmas linhas sejam retornadas. Uma ideia foi incluir line_idno ORDER BY, mas isso poderia distorcer nossa correspondência para valores mais baixos line_id. Existe alguma maneira de desfazermos os empates aleatoriamente, produzindo a mesma saída se nosso ETL tivesse que ser refeito nos mesmos conjuntos de dados?

Eu estava pensando em algo como, random()mas definir a semente com base em uma combinação de event_ide line_id. Algo como usar mod()nos IDs poderia ser... OK?

postgresql

1 respostas

  1. Best Answer

    As perguntas relacionadas me ajudaram a encontrar uma resposta: usar uma função de hash na combinação dos dois IDs. Não consegui encontrar hashint8extended, mas md5 deve servir para nossos propósitos.

    LATERAL JOIN (
    SELECT line_id, geom 
    FROM lines 
    ORDER by distance(lines.geom, events.geom),
             md5((line_id-event_id)::text)  
    LIMIT 1)
    • 1

relate perguntas