有很多方法可以为数据库生成虚拟数据。您可以创建数据生成器、使用模拟数据服务或获取生产数据的子集。此外，许多数据库提供生成合成数据的内置功能。

在本文中，您将了解如何使用特殊数据库函数、分层查询和递归公用表表达式 (CTE)在PostgreSQL、MySQL、 Oracle 和 SQL Server中生成示例数据集。

示例表

我们将使用以下示例表来演示各种内置数据生成技术：

create table sample(  id int,   val text);

id列存储记录的标识符，而val列保存一些文本值。

一旦您学会如何为具有两个列的表生成模拟数据，您就可以将这些技巧应用到具有更多不同数据类型列的表上。

PostgreSQL中的生成系列函数

PostgreSQL提供了一个特殊的generate_series函数，它可以为指定范围产生一系列数字或日期/时间值。

例如，要生成从1到5的一系列ID，您可以使用以下函数调用：

select id from generate_series(1, 5) as id;
​
+--+
|id|
+--+
|5 |
|4 |
|3 |
|2 |
|1 |
+--+

之后，您可以使用以下简单语句将生成的系列插入表中sample：

insert into sample(id)
select id from generate_series(1, 5) as id;

此查询向表中添加 5 条记录，每条记录都有一个唯一标识符。但是，该val列仍然是null：

select * from sample order by id;
​
+--+----+
|id|val |
+--+----+
|1 |null|
|2 |null|
|3 |null|
|4 |null|
|5 |null|
+--+----+

要使用val非空值填充列，您只需修改数据生成查询，如下所示：

-- Delete previously generated records
delete from sample;
​
-- Generate 1000 records using the concat function to populate the `val` column
insert into sample(id,val)
select id, concat('val', id * 10) from generate_series(1, 1000) as id;

最后，从表中检索前 5 条记录来查看示例数据：

select * from sample order by id limit 5;
​
+--+-----+
|id|val  |
+--+-----+
|1 |val10|
|2 |val20|
|3 |val30|
|4 |val40|
|5 |val50|
+--+-----+

快速又简单。

再次生成系列...但在 SQL Server 中

SQL Server 的最新版本引入了对generate_series 函数的支持。因此，无论您使用 PostgreSQL 还是 SQL Server，生成示例数据的体验都是一致的。

要生成从 1 到 5 的一系列数字，您可以按如下方式调用该函数：

select value from generate_series(1,5);
​
+-----+
|value|
+-----+
|1    |
|2    |
|3    |
|4    |
|5    |
+-----+

随后，执行以下命令在表中创建1000条记录sample：

insert into sample(id,val)
select value,concat('val', value * 10) from generate_series(1,1000);

要检查生成的数据，查询前 5 条记录：

select * from sample order by id
offset 0 rows
fetch next 5 rows only;
​
+--+-----+
|id|val  |
+--+-----+
|1 |val10|
|2 |val20|
|3 |val30|
|4 |val40|
|5 |val50|
+--+-----+

正如所演示的，该generate_series函数是执行数据生成任务的强大工具。然而，该函数还不是 SQL 标准的一部分，并且可能并非在所有数据库系统中都可用。

Oracle 中的分层查询

Oracle是不支持该generate_series功能的数据库之一。然而，数据库社区设计了许多替代方法来生成虚拟数据。

一种流行的方法涉及使用分层查询。例如，下面的分层查询可以生成从1到5的一系列记录：

select level from dual connect by level <= 5;
​
+-----+
|LEVEL|
+-----+
|1    |
|2    |
|3    |
|4    |
|5    |
+-----+

在内部，查询构造一个数据树结构，其中LEVEL伪列指示树的深度，从根开始。

通过使用带有插入语句的分层查询，您可以为sample表生成 1000 条记录：

-- Oracle doesn't support the `text` data type,
-- requiring you to create the table this way
create table sample (id int, val varchar(10));
​
-- Generate 1000 records
insert into sample(id,val)
select level, concat('val', level * 10) from dual 
connect by level <= 1000;
​
​

生成的数据将类似于您在 PostgreSQL 和 SQL Server 中看到的数据：

select * from sample order by id
offset 0 rows fetch next 5 rows only;
​
+--+-----+
|ID|VAL  |
+--+-----+
|1 |val10|
|2 |val20|
|3 |val30|
|4 |val40|
|5 |val50|
+--+-----+

MySQL 中的递归公用表表达式

与 Oracle 一样，MySQL 也不支持该generate_series功能，因此需要寻找替代方法来生成样本数据。

其中一种方法是使用递归公用表表达式(CTE)。为了说明这一点，以下递归查询生成一系列从 1 到 5 的数字：

with recursive seq as (
    select 1 as id union all select id +1 from seq where id < 5
)
select id from seq;
​
+--+
|id|
+--+
|1 |
|2 |
|3 |
|4 |
|5 |
+--+

接下来，您可以将此递归与以下插入语句结合使用来生成 1000 条记录：

insert into sample(id,val)
with recursive seq as (
    select 1 as id union all select id +1 from seq where id < 1000
)
select id, concat('val', id * 10) from seq;

最后，为了确保模拟数据已正确生成，请快速查看前五个记录：

select * from sample order by id limit 5;
​
+--+-----+
|id|val  |
+--+-----+
|1 |val10|
|2 |val20|
|3 |val30|
|4 |val40|
|5 |val50|
+--+-----+
​

继续掌握数据库

如您所见，关系数据库不仅仅是应用程序数据的存储。它们提供了广泛的功能，允许您直接在数据库端执行各种任务。其中一项任务是样本数据生成，有时可以通过内置数据库功能来满足。

作者：Denis Magda

更多技术干货请关注公号【云原生数据库】

squids.cn，云数据库RDS，迁移工具DBMotion，云备份DBTwin等数据库生态工具。