Vytažení náhodného záznamu z DB

weckho

Ahoj,

lze doplněním něčeho do

$this->db->select('*');

vytáhnout z DB jeden náhodný záznam, namísto všech?

Děkuji.

Editoval weckho (29. 8. 2009 18:19)

Panda

Toto by mohlo být relativně rychlé (subquery používá index):

$this->db->select('*')->from('table')->where('%n >= RAND() * (SELECT MAX(%n) FROM %n)', 'id', 'id', 'table')->limit(1);

Testoval jsem to na MySQL a zdá se, že to funguje bez problémů. Po drobných změnách by to mělo fungovat i v jiných databázích.

Editoval Panda (29. 8. 2009 19:07)

weckho

Díky moc, dotaz jako takový funguje, bohužel mi vytahuje z DB vždy poslední záznam. Kde by mohla být chyba?

Díky

Panda napsal(a):

Toto by mohlo být relativně rychlé (subquery používá index):
$this->db->select('*')->from('table')->where('%n >= (SELECT MAX(%n) FROM %n)', 'id', 'id', 'table')->limit(1);
Testoval jsem to na MySQL a zdá se, že to funguje bez problémů. Po drobných změnách by to mělo fungovat i v jiných databázích.

Panda

weckho napsal(a):

Díky moc, dotaz jako takový funguje, bohužel mi vytahuje z DB vždy poslední záznam. Kde by mohla být chyba?

Mezi mojí klávesnicí a židlí, zapomněl jsem tam napsat RAND(). :)

Správně to vypadá takto:

$this->db->select('*')->from('table')->where('%n >= RAND() * (SELECT MAX(%n) FROM %n)', 'id', 'id', 'table')->limit(1);

Opravím to i v původním příspěvku, aby to někoho nemátlo.

Honza Marek

Což takhle:

$this->db->select("*")->from("table")->orderBy("rand()")->limit(1);

Jinak bych si troufnul říct, že na fóru nette je to lehký off-topic.

pmg

To je funkční způsob, který ale MySQL neumí optimalizovat, takže se RAND() volá (n * log n)-krát.

Lze to optimalizovat jako SELECT *, RAND() AS foo FROM table ORDER BY foo.

Složitější způsob je uložit si ke každému řádku náhodnou hodnotu a podle ní pak vybírat, tak to dělá Wikipedie. Je to rychlé, ale když se některé hodnoty dostanou moc blízko, některé záznamy to nevytáhne. Leda hodnoty po čase přegenerovat.

Panda

pmg napsal(a):

To je funkční způsob, který ale MySQL neumí optimalizovat, takže se RAND() volá (n * log n)-krát.

Lze to optimalizovat jako SELECT *, RAND() AS foo FROM table ORDER BY foo.

Dovolil jsem si provést benchmarky a zdá se, že ani tento způsob MySQL moc optimalizovat neumí. Měl jsem tabulku jen o 7 řádcích, ale 1 000 000 průchodů mému dotazu zabralo kolem 3.5s, Tvé řešení trvalo při stejném počtu něco málo přes 20s. Podobně na tom bylo i původní řešení od Honzy Marka.

U tabulky locales_source z jedné testovací instalace Drupalu (3441 řádků) byl rozdíl znát ještě mnohem víc. Při 1 000 průchodech zabrala obě řešení s ORDER BY kolem 4s, mé řešení kolem 60ms. Problém je v tom, že MySQL musí nejdřív všem řádkům vygenerovat náhodnou hodnotu a pak to podle ní setřídit. K tomu musí použít dočasnou tabulku a na třídění nemůže použít indexy.

Testoval jsem na MySQL 5.0.67, Win32 (XP SP3), obě tabulky MyISAM.

Jinak souhlasím s Honzou, na fóru Nette je to trochu off-topic.

pmg

Tvoje řešení je bezpochyby rychlejší, jen je trochu složitější a hlavně se jeho náhodnost bude snižovat s rozptylováním hodnot id.

A díky za ten benchmark, vycházel jsem z předpokladu, který jsem před pár lety někde četl, ale nikdy neotestoval. Možná se to s pátou verzí MySQL změnilo, myslím moje vs Honzovo řešení.