基于java程序的mongodb随机查询的一个解决方案（一）

浅浅的花香味﹌ 2023-06-08 06:41 15阅读 0赞

MongoDB  的随机查询  mongoTemplate 没有提供相关方法，只能自己写相应算法

对于返回一个值得方法：  
产生一个随机数，用分页的方式查询  
1、查询数据总量 count  
2、在这个总量上生成一个随机数 startNum = (new Random().nextInt(count.intValue())    
3、分页查询该值Query().skip(startNum).limit(1)

如果是查询多个随机值，使用下面这个方法  
从上面算法继续思考，我们可以指定一个分组量groupNum  
使查询条件变成 Query().skip(startNum).limit(groupNum)  
groupNum越小，随机性就越强，然后经过多次查询得到我们要的随机数量的查询

**举个例子：**  
我们需要在数据表person中随机查询1000个值  
第一步：查询person总量等于 100000  
第二步：设定groupNum等于10  
第二步：执行100次循环，每次循环 执行  
        \{  
            在10000产生一个随机数 startNum  
            persons = 查询条件Query().skip(startNum).limit(groupNum)查出的数据  
        \}  
这个我们就能在100000个数据里面获得1000个随机数了，前面说到groupNum越小，随机性越强，但是同时也增加查询次数  
当然这个方案上需要考虑重复数据的剔除，以及skip的越界问题

**一个demo**

/**
     * 随机获取
     * 分组随机，可配置，组越小，随机性越强
     * @return
     */
    private List<Person> getPersons() {
    
    	// 获取总数
    	Long count = mongoTemplate.count(new Query(), Person.class);
    	int i = 0; // 控制循环次数
    
    	// 产生随机数
    	List<Person> Personlist = new ArrayList<>();
    	List<String> idlist = new ArrayList<>();
    	while (Personlist.size() < queryCount && i < queryCount/groupNum*2 ) {
    		Long startNum = Long.valueOf(new Random().nextInt(count.intValue()));
    		if(startNum > count - groupNum){
    			startNum = count - groupNum;
    		}
    
    		//skip相当于从那条记录开始, 从skip开始,取多少条记录
    		Query query = new Query().skip(startNum).limit(groupNum);
    
    		List<Person> list = mongoTemplate.find(query, Person.class);
    		final Iterator<Person> iterator = list.iterator();
    		while (iterator.hasNext()) {
    			final Person Person = iterator.next();
    			if (idlist.contains(Person.getId())) {
    				iterator.remove();
    			}else{
    				idlist.add(Person.getId());
    			}
    		}
    
    		Personlist.addAll(list);
    		i ++ ;
    	}
    	return Personlist;
    }

### 后续：[https://blog.csdn.net/zhan107876/article/details/102698328][https_blog.csdn.net_zhan107876_article_details_102698328] ###

[https_blog.csdn.net_zhan107876_article_details_102698328]: https://blog.csdn.net/zhan107876/article/details/102698328