應用場景：
有時需要測試插入數據庫的記錄來測試，所以就非常需要用到這些腳本。
創建表：
| CREATE TABLE `tables_a` ( `id` int(10) NOT NULL DEFAULT '0', `name` char(50) DEFAULT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8; |
創建產生隨機字符串的函數：
| set global log_bin_trust_function_creators = 1;DROP FUNCTION IF EXISTS rand_string;DELIMITER //CREATE FUNCTION rand_string(n INT)RETURNS VARCHAR(255)BEGIN DECLARE chars_str varchar(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'; DECLARE return_str varchar(255) DEFAULT ''; DECLARE i INT DEFAULT 0; WHILE i < n DO SET return_str = concat(return_str,substring(chars_str , FLOOR(1 + RAND()*62 ),1)); SET i = i +1; END WHILE; RETURN return_str;END //delimiter ; |
創建插入表的procedure,x是從多少開始。y是多少結束，z是產生多少位隨機數
| delimiter // create procedure test(x int(10),y int(10),z int(10))begin DECLARE i INT DEFAULT x; while i<y do insert into tables_a values(i,rand_string(z)); set i=i+1; end whi |
mysql隨機數據生成并插入
dblp數據庫中引用信息很少，平均一篇論文引用0.2篇。使用dblp做實驗數據集的某篇論文提到，可以隨機添加引用信息。受此啟發，我打算為每一篇論文都添加20篇隨機引用，于是就寫出了如下的sql語句：
String sql = "insert into citation(pId1,pId2) values( (select pId from papers limit ?,1),(select pId from papers limit ?,1))";
使用preparedstatement，以batch方式提交數據庫。
第一個參數是paper的rowid信息，從0~N（N為papers的total row）。第二個參數是Java生成的20個不重復的隨機數，范圍是0-N。然后嵌套在for循環里，每1w條數據提交給數據庫一次。
這段代碼巧妙運用limit的特性完成隨機選tuple，本來是暗暗得意的。自以為把所有的select都交給數據庫去做了，省去了通過jdbc的多次連接，應該是很快就可以運行完成的。哪知，插了不過10w條（10000*10）數據，就耗時22分鐘之多。最終的實驗需要插入400w條數據，也就是說要花14h左右。
于是開始反思，不斷做寫類似的程序查找時間瓶頸，最終鎖定在select limit，這個操作極耗時間。當初選用limit，原因在于：隨機生成的是數字，要把數字映射到tuple，也就是對應到rowid；由于papers表的主鍵并非遞增int，所以默認的rowid不存在。后來一想，可以在papers表上先增加一個auto_increment的temp列，完成citation插入后再刪除。這樣sql語句就改成了：
String sql = "insert into citation(pId1,pId2) values((select pId from papers where temp=?), (select pId from papers where temp=?))";
新聞熱點
疑難解答
