我们该如何设计数据库(五)

最近真是忙翻天了，该是有三个月没写博客了。

这次的需求是在Mongo的使用中碰到的，但是我觉得把这个需求放进传统的RDBMS中更易于理解。需求是这样的：假设你数据库使用的是Sqlserver，有一张表，500W条数据，你要做一个随机在表中选择一条数据的功能。

假设本文所探讨的数据结构如图（聚集索引在Pk上，UserName上加了非聚集索引）：

你的***反应大概是：哎呀妈呀忒巧了，正好主键使用的是Int自增的，我只用生成一个随机数，然后找这个随机数对应的主键就好了

实现的步骤大概是：

①返回数据库中ID的***值IdMax 

②生成1到IdMax中间一个的随机数 int random = new Random().Next(1,IdMax);

③使用UserID = random作为条件查询

④如果没有查询到数据，则重新生成一个随机数，再次查找（因为某个UserID的数据可能被删除了）

这种方法简单，暴力，但是有一个致命的问题：我这里在建表的时候为了说明这种方法，所以主键使用的是Int，但是在大多数我所知道的生产环境中，其实是用Guid的。这个致命的问题会直接导致上面的那个方法不可用。

至于为什么大多数我所知道的生产环境中用Guid而不用Int，我下一篇会做出对比。

既然Int在使用Guid作为主键的时候不能用，那么我们就用Row_Number吧。Sqlserver必然是支持Row_Number的，貌似Oracle和MySql中也有类似概念（不确定，问同事得到了肯定答复，没有深究）。

实现的步骤大概是：

①返回数据库中数据的总条数count

②生成1到count中间一个的随机数 int random = new Random().Next(1,count);

③查找Row_Number = random的那条数据

但是Row_Number有个极其不好的地方，就是查询越后面的数据越慢，越吃资源。但凡是将数据有序储存的数据库基本都有这个问题，比如说下面两条语句：

select * from 
(SELECT  UserID,UserName,Password,Sex,City,ROW_NUMBER()OVER(ORDER BY CURRENT_TIMESTAMP) as Number  
  FROM [User_db].[dbo].[Users] ) as query  
  where query.Number = 20  
    
    
select * from 
(SELECT  UserID,UserName,Password,Sex,City,ROW_NUMBER()OVER(ORDER BY CURRENT_TIMESTAMP) as Number  
  FROM [User_db].[dbo].[Users] ) as query  
  where query.Number = 5000000 

***条查Row_Number=20的数据，logical reads 5.elapsed time = 58 ms.

第二条查Row_Number=5000000的数据，logical reads 90208.elapsed time = 900 ms.

可以明显的看出，后者的逻辑读次数多了太多，而运行速度也慢了不少。如果这个功能比较频繁使用，比如说这是向用户随机推荐好用的功能，那么这个将会成为一个性能瓶颈

有的网友说使用这句：

SELECT TOP 1 * FROM Users ORDER BY NEWID()  

这个运行出来结果是正确的，但是效率却大打折扣。比如说我查到了第1336793条数据，logical reads 90208,elapsed time = 3026 ms

查看执行计划，发现Sort占用了98%：

有没有比Row_Number更好一点的方法？

答案是在表中再加一列Random列，使得数据结构变更成这样：

在添加数据的时候，就生成一个随机数插入进来。按照本篇的例子来说，一开始可以生成0到一亿之间的随机数插入。注意，要在Random上加索引。

实现的步骤大概是：

①插入数据的时候添加一个随机

②生成一个随机数，查询 select top(1) * from Users where Random > 随机数

③这个查询的结果可能会有多条（但不会很多），再在这个多条数据中随机筛选其一（使用Linq可以很方便的实现，不赘述）

好了，基本说完了，请允许我在结尾卖个萌：聪明的读者，开动脑筋，您还有更好的方法么？如果有，请留言。

原文链接：http://www.cnblogs.com/CrazyJinn/archive/2013/03/19/2968769.html