如何用另一个表中的随机行更新表的每一行

Question

我正在构建我的第一个去识别化脚本，但我的方法遇到了问题。

我有一个表 dbo.pseudonyms，其 firstname 列填充了 200 行数据。此列 200 行中的每一行都有一个值（没有一个为空）。此表还有一个 id 列（int，主键，非空），数字为 1-200。

我想要做的是，在一个语句中，用从我的pseudonyms 表中为每一行随机选择的firstname 数据重新填充我的整个USERS 表。

要生成用于挑选的随机数，我使用ABS(Checksum(NewId())) % 200。每次我做SELECT ABS(Checksum(NewId())) % 200 时，我都会得到一个在我正在寻找的范围内的数值，没有间歇性不稳定的行为。

但是，当我在以下语句中使用此公式时：

SELECT pn.firstname 
FROM DeIdentificationData.dbo.pseudonyms pn 
WHERE pn.id = ABS(Checksum(NewId())) % 200

我得到非常断断续续的结果。我会说大约 30% 的结果返回一个从表中挑选出来的名字（这是预期的结果），大约 30% 的返回多个结果（令人费解，有没有重复的 id 列值），大约 30% 的返回值为 NULL（即使 firstname 列中有 no 个空行）

我确实为这个特定问题寻找了很长一段时间，但到目前为止无济于事。我假设这个问题与使用这个公式作为指针有关，但我不知道如何做到这一点。

想法？

Answer 1

更简单的方法：

UPDATE u
SET u.FirstName = p.Name
FROM Users u
CROSS APPLY (
    SELECT TOP(1) p.Name
    FROM pseudonyms p
    WHERE u.Id IS NOT NULL -- must be some unique identifier on Users
    ORDER BY NEWID()
) p

完整示例来自：https://stackoverflow.com/a/36185100/6620329

Answer 2

为什么您在问题中的查询会返回意外结果

您的原始查询从Pseudonyms 中选择。服务器扫描表格的每一行，从该行中挑选ID，生成一个随机数，将生成的数字与ID 进行比较。

当特定行的生成数字碰巧与该行的ID 相同时，该行将在结果集中返回。很可能偶然生成的数字永远不会与ID 相同，并且生成的数字与ID 多次重合。

再详细一点：

• 服务器选择带有ID=1 的行。
• 生成一个随机数，例如25。为什么不？一个不错的随机数。
• 是1 = 25 吗？否 => 不返回此行。
• 服务器选择带有ID=2 的行。
• 生成一个随机数，例如125。为什么不？一个不错的随机数。
• 是2 = 125 吗？否 => 不返回此行。
• 等等……

---

Here is a complete solution on SQL Fiddle

样本数据

DECLARE @VarPseudonyms TABLE (ID int IDENTITY(1,1), PseudonymName varchar(50) NOT NULL);
DECLARE @VarUsers TABLE (ID int IDENTITY(1,1), UserName varchar(50) NOT NULL);

INSERT INTO @VarUsers (UserName)
SELECT TOP(1000)
    'UserName' AS UserName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

INSERT INTO @VarPseudonyms (PseudonymName)
SELECT TOP(200)
    'PseudonymName'+CAST(ROW_NUMBER() OVER(ORDER BY sys.all_objects.object_id) AS varchar) AS PseudonymName
FROM sys.all_objects
ORDER BY sys.all_objects.object_id;

表 Users 有 1000 行，每行都有相同的 UserName。表Pseudonyms 有200 行不同的PseudonymNames：

SELECT * FROM @VarUsers;
ID   UserName
--   --------
1    UserName
2    UserName
...
999  UserName
1000 UserName

SELECT * FROM @VarPseudonyms;
ID   PseudonymName
--   -------------
1    PseudonymName1
2    PseudonymName2
...
199  PseudonymName199
200  PseudonymName200

第一次尝试

起初我尝试了一种直接的方法。对于Users 中的每一行，我想从Pseudonyms 中获取一个随机行：

SELECT
    U.ID
    ,U.UserName
    ,CA.PseudonymName
FROM
    @VarUsers AS U
    CROSS APPLY
    (
        SELECT TOP(1)
            P.PseudonymName
        FROM @VarPseudonyms AS P
        ORDER BY CRYPT_GEN_RANDOM(4)
    ) AS CA
;

事实证明，优化器太聪明了，这会产生一些随机的，但对于每个 User，PseudonymName 都是相同的，这不是我所期望的：

ID   UserName   PseudonymName
1    UserName   PseudonymName181
2    UserName   PseudonymName181
...
999  UserName   PseudonymName181
1000 UserName   PseudonymName181

所以，我稍微调整了这种方法，并首先为Users 中的每一行生成一个随机数。然后我使用生成的数字使用CROSS APPLY 为Users 中的每一行找到Pseudonym 和ID。

CTE_Users 有一个额外的列，随机数从 1 到 200。在CTE_Joined 中，我们从Pseudonyms 中为每个User 选择一行。 最后我们UPDATE原来的Users表。

最终解决方案

WITH
CTE_Users
AS
(
    SELECT
        U.ID
        ,U.UserName
        ,1 + 200 * (CAST(CRYPT_GEN_RANDOM(4) as int) / 4294967295.0 + 0.5) AS rnd
    FROM @VarUsers AS U
)
,CTE_Joined
AS
(
    SELECT
        CTE_Users.ID
        ,CTE_Users.UserName
        ,CA.PseudonymName
    FROM
        CTE_Users
        CROSS APPLY
        (
            SELECT P.PseudonymName
            FROM @VarPseudonyms AS P
            WHERE P.ID = CAST(CTE_Users.rnd AS int)
        ) AS CA
)
UPDATE CTE_Joined
SET UserName = PseudonymName;

结果

SELECT * FROM @VarUsers;
ID   UserName
1    PseudonymName41
2    PseudonymName132
3    PseudonymName177
...
998  PseudonymName60
999  PseudonymName141
1000 PseudonymName157

SQL Fiddle