如何使用 PostgreSQL 中的 SQLAlchemy 可重复地查询随机行？

Question

我正在尝试使用 SQLAlchemy 从 PostgreSQL 表中伪随机选择行，但我需要使用 seed 来保证查询的可重复性。具体案例是关于提交的出版物，与代码库相关。

This answer 很好地介绍了如何利用以下单行来选择单个随机行：

select.order_by(func.random()) # for PostgreSQL, SQLite

此外，可以通过以下方式选择 许多 伪随机行：

select.order_by(func.random()).limit(n)

但是如何确保每次运行上述查询时都选择相同的伪随机行？

Answer 1

您可以利用setseed(n) postgreSQL 方法。使用sqlalchemy 和ChEMBL 作为我们的示例数据库，完整的解决方案如下所示：

from sqlalchemy import create_engine, func, select

query = select([MoleculeRecord.molregno]).order_by(func.random()).limit(500)
SEED = .5  # Change this to any float from -1.0 -> 1.0 to get different query results

e = create_engine("postgres:///chembl_25")
conn = e.connect()
conn.execute(f"SELECT setseed({SEED})")

firstQueryResults = [x.molregno for x in conn.execute(query)]
secondQueryResults = [x.molregno for x in conn.execute(query)]

assert(firstQueryResults == secondQueryResults)

这将返回 500 行随机行，并且每次执行此查询时，这 500 行将始终相同这一不变量。选择不同的随机行，将 SEED 变量更改为不同的值，介于 -1.0 和 1.0 之间。