PostgreSQL 随机数生成深度指南：从基础原理到 2026 年工程化实践

2026-02-17 14:30:09 0条评论 2次阅读 0人点赞

在日常的数据库开发和维护工作中，我们经常会在各种场景下需要生成随机数。无论是为了进行数据采样、构建模拟测试数据，还是为了实现某种随机化的业务逻辑（如抽奖系统），随机数都是不可或缺的工具。PostgreSQL 作为一个功能极其强大的开源对象关系数据库，提供了非常灵活的 random() 函数 来满足这些需求。

虽然 random() 本身只返回一个简单的 0 到 1 之间的浮点数，但只要运用得当，我们就可以通过它生成特定范围内的随机数、甚至创建复杂的随机字符串。在这篇文章中，我们将深入探讨 PostgreSQL 中随机数生成的各种技巧，并通过丰富的示例展示如何在实际项目中应用这些功能。我们将一起从最基础的概念出发，逐步构建起一套完整的随机数据处理方案，并融入 2026 年最新的技术视角，探讨如何结合现代开发流程来高效地使用这些技术。

PostgreSQL 中的 random() 函数：深入核心

首先，让我们来认识一下核心函数 —— random()。这是 PostgreSQL 提供的内置函数，用于生成一个随机的双精度浮点数。

#### 函数定义与底层机制

random() 函数返回值的范围是 [0.0, 1.0)，这意味着它包含 0.0，但总是小于 1.0。虽然这个范围看起来很有限，但它是构建所有其他类型随机数的基础。

基本语法：

SELECT random();

如果你直接在 SQL 客户端（如 psql, DBeaver 或 DataGrip）中运行上述代码，你会看到类似下面的输出（当然，你得到的数字每次都会不同）：

        random         
----------------------
 0.219330628677159
(1 row)

> 实用见解：

> INLINECODEd1609b91 函数是基于伪随机数生成器（PRNG）的。这意味着如果你需要极高的安全性或密码学强度的随机数（例如用于生成 API 密钥或加密盐值），标准的 INLINECODE02dd3560 可能不是最佳选择，因为它在理论上是可以预测的。但在大多数用于模拟、测试或普通业务逻辑的场景下，它的性能和随机性完全足够。对于密码学安全的需求，我们建议使用 INLINECODE5e430b7c 扩展中的 INLINECODE5b02a51c。

生成特定范围内的随机数

在实际业务中，我们很少直接需要 0 到 1 之间的小数，更多时候我们需要的是特定的整数或特定范围的小数。让我们看看如何通过数学变换来实现这一点。

#### 场景一：生成 1 到 10 之间的随机浮点数

假设我们需要模拟一个评分系统，分数在 1 到 10 之间，且包含小数。我们可以利用数学公式：Random * (Max - Min) + Min。

SQL 示例：

SELECT random() * 9 + 1 AS random_score;

代码解析：

random() 生成 [0, 1)。
* 9 将范围扩大到 [0, 9)。
+ 1 将范围平移到 [1, 10)。

输出示例：

 random_score 
--------------
     7.45123

#### 场景二：生成 1 到 10 之间的随机整数

如果你需要的是一个整数，比如用于随机选择一个 ID 或者生成骰子点数，就需要结合使用 INLINECODE624bef74 函数。INLINECODE5b32a38f 函数会向下取整，为了得到包含上界的整数，我们需要稍微调整一下公式。

SQL 示例：

SELECT floor(random() * 10 + 1)::int AS random_int;

代码解析：

random() * 10 生成 [0, 10) 的浮点数。
+ 1 生成 [1, 11) 的浮点数。
floor(...) 将其转化为 [1, 10] 的整数（注意：floor 向下取整，所以 10.999 会变成 10，这确保了我们能取到 10）。
::int 将结果显式转换为整数类型。

输出示例：

 random_int 
------------
          4

进阶技巧：构建通用随机整数生成器

在开发中，硬编码范围（如 INLINECODE79a59fd3）是不专业的做法。为了提高代码的复用性，我们需要一个通用的公式来生成介于任意两个整数 INLINECODE63051dfd（下限）和 h（上限）之间的随机整数。

#### 通用公式

要在 INLINECODEc3058c8b 和 INLINECODE5e343816 之间生成一个随机整数（包含 INLINECODEad67b433 和 INLINECODEc47dd188），可以使用以下逻辑：

floor(random() * (h - l + 1) + l)

这里的 INLINECODEdeed746c 是关键，它补偿了 INLINECODE4a936297 函数造成的上限丢失，确保 h 也能被随机到。

#### 实战示例：生成 20 到 50 之间的随机数

SQL 示例：

SELECT floor(random() * (50 - 20 + 1) + 20)::int AS random_age;

详细推导：

范围跨度：50 – 20 = 30。
加上修正值：30 + 1 = 31（即我们需要在 0 到 30.999… 之间浮动）。
加上下限：结果 + 20（将起始点移到 20）。
取整：floor(...)。

封装成用户自定义函数（UDF）：2026 年工程化视角

为了保证 SQL 代码的整洁和可维护性，最佳实践是将上述逻辑封装成一个函数。这样，当业务逻辑变更时，你只需要修改一处代码。结合现代开发理念，我们不仅是在写函数，更是在构建可复用的基础设施组件。

#### 创建 random_between 函数

让我们创建一个名为 INLINECODE30ac1133 的函数，它接收两个整数参数 INLINECODEb1dea6fa 和 INLINECODEc5f4a01e。我们将使用 INLINECODE47753199 来实现，并加入一些现代 SQL 的严谨性。

SQL 代码：

CREATE OR REPLACE FUNCTION random_between(low INT, high INT)
   RETURNS INT AS
$$
BEGIN
   -- 使用通用公式计算随机数
   -- (high - low + 1) 确保了上限 high 也能被取到
   -- 我们显式检查输入逻辑，虽然 STRICT 处理了 NULL，但我们希望逻辑清晰
   IF low > high THEN
      RAISE EXCEPTION ‘Low bound (%) cannot be greater than high bound (%)‘, low, high;
   END IF;
   
   RETURN floor(random() * (high - low + 1) + low)::int;
END;
$$ LANGUAGE plpgsql STRICT;

代码解析与工程思考：

错误处理：我们在函数中增加了一个显式的检查 IF low > high。在早期的代码中，我们可能忽略这一点，但在 2026 年，随着“防御性编程”和“安全左移”理念的普及，在数据库层面就拦截非法输入能极大减少上层应用报错。
LANGUAGE plpgsql：指定使用 PostgreSQL 的过程语言。
STRICT：这是一个很好的优化。如果传入的 INLINECODE17d1d3ad 或 INLINECODEe7718da8 为 NULL，函数将直接返回 NULL，而不执行计算逻辑，避免了潜在的错误。
文档与维护：虽然在代码中我们没有写注释块，但在实际项目中，建议使用 COMMENT ON FUNCTION 来为这个函数添加文档，方便 AI 工具（如 Copilot）或其他团队成员理解其用途。

#### 使用函数

现在，你可以像调用内置函数一样调用它了。

示例：生成 1 到 100 之间的随机数

SELECT random_between(1, 100) AS lucky_number;

输出示例：

 lucky_number 
--------------
           87

实战应用：批量生成测试数据与性能优化

有时候，我们不仅仅需要一个随机数，而是需要生成一组随机的测试数据集。PostgreSQL 的 generate_series 函数与我们的随机函数结合，可以非常高效地完成这项任务。

#### 应用场景：模拟掷骰子

假设我们要模拟掷 10 次骰子，骰子范围是 1 到 6。

SQL 示例：

SELECT random_between(1, 6) AS dice_roll
FROM generate_series(1, 10);

#### 应用场景：模拟用户数据

让我们构建一个更复杂的例子。假设我们需要为开发环境生成一些模拟用户数据，包括用户 ID（1-1000）、随机年龄（18-60）和随机信用评分（300-850）。

SQL 示例：

SELECT 
    generate_series(1, 5) AS user_id,
    random_between(18, 60) AS user_age,
    random_between(300, 850) AS credit_score,
    random_between(0, 1) AS gender_code
FROM 
    (SELECT 1) AS dummy 
ORDER BY 
    user_id;

> 性能提示：

> 在使用 INLINECODE6499eb7a 时，请注意 PostgreSQL 的查询优化器。由于每一行的 INLINECODE176ed6fe 结果都是动态计算的，这会导致数据库无法使用某些索引优化。在大规模数据生成（如数百万行）时，这可能会消耗较多的 CPU 资源。但在 2026 年，随着硬件性能的提升和 PostgreSQL 并行查询的优化，这种一次性操作的性能通常是可接受的。

2026 前沿视角：AI 原生开发与 Vibe Coding（氛围编程）

作为一个在 2026 年工作的技术专家，我们需要认识到，编写 SQL 代码的方式已经发生了变化。我们现在越来越多地采用 “Vibe Coding”（氛围编程）的方式，即利用 AI 辅助工具（如 Cursor, GitHub Copilot, Windsurf）来辅助我们生成这些 SQL 查询。

AI 辅下的最佳实践：

Prompt Engineering（提示工程）：当你需要生成上述 random_between 函数时，与其手写，不如向 AI 提问：“Generate a PostgreSQL function to return a random integer between two bounds, handling edge cases where low > high.”（生成一个 PostgreSQL 函数返回两个边界之间的随机整数，处理 low > high 的情况）。AI 能够瞬间生成 90% 的代码，你只需要进行 Review 和微调。

从代码到数据：在构建现代 AI 应用时，高质量的测试数据至关重要。我们使用上述的随机数生成技巧，不仅仅是为了简单的测试，更是为了构建 RAG（检索增强生成） 系统的测试向量。例如，我们可以生成随机的文档 ID 和向量维度，来模拟一个大规模的向量数据库环境。

高级技巧：从表中随机抽取记录及其性能陷阱

在面试或实际工作中，一个非常经典的需求是“从一张表中随机抽取一行”。常见的写法是使用 ORDER BY random()。

常见写法（性能较差）：

-- 这在小表上很快，但在大表上会导致全表扫描和排序
SELECT * FROM users ORDER BY random() LIMIT 1;

原理与陷阱：

这个查询看起来很优雅，但它存在严重的性能问题。INLINECODE988530c3 强制数据库对表中的每一行都调用 INLINECODEcd27312a 函数计算一个随机值，然后进行排序。如果表有 1000 万行，数据库就要计算 1000 万次随机数并进行排序，这在生产环境是不可接受的。

优化方案：使用随机 ID 扫描（适用于连续 ID）

如果你的表主键是连续的（如 id），我们可以先计算随机 ID，再直接查询。

高性能写法：

-- 1. 获取最大ID
SELECT max(id) FROM users; 
-- 假设结果为 1000000

-- 2. 在应用层或SQL中生成随机ID，然后查询
SELECT * FROM users 
WHERE id >= random_between(1, 1000000) 
LIMIT 1;

注意：这种方法如果存在 ID 删除（空洞），可能返回空集。为了稳定性，我们通常结合应用层逻辑进行重试。
替代方案：TABLESAMPLE（2026 推荐方式）

PostgreSQL 提供了 TABLESAMPLE 系统，这是一种物理层面的采样，速度极快，特别适合大数据分析场景。

SELECT * FROM large_table TABLESAMPLE SYSTEM(0.01); 
-- 抽取大约 0.01% 的数据页

高级技巧：随机种子的使用与调试

虽然 INLINECODEfa65019a 每次都返回不同的值，但在进行单元测试或数据调试时，你可能希望每次运行查询时都得到相同的序列。这时，你可以使用 INLINECODE64b7f2ac 函数。

setseed() 接受一个 0 到 1 之间的浮点数作为“种子”。相同的种子总是产生相同的随机数序列。

SQL 示例：

-- 设置随机种子为 0.5
SELECT setseed(0.5);

-- 现在运行随机查询，结果在每次重启会话并运行此种子后都是一致的
SELECT random(), random();

常见错误与故障排除

在与开发者交流时，我们发现有几个常见的陷阱值得注意：

总是取不到上限值：

如果你使用 INLINECODEfd394ea9，你只能得到 0 到 9。要想得到 10，必须写成 INLINECODE9f64eed3。请务必记住区间“左闭右开”的特性。

类型转换错误：

有时直接将 INLINECODE98cbbbf8 的结果用于除法，可能会导致隐式类型转换丢失精度。建议显式使用 INLINECODE33b8f690 或 ::numeric 来确保结果类型符合预期。

ORDER BY random() 的性能问题：

正如前文所述，在大表上避免使用 ORDER BY random()，它会导致数据库资源耗尽。

总结与最佳实践

在这篇文章中，我们深入探讨了 PostgreSQL 中生成随机数的各种方法，从最基础的 random() 函数到自定义的用户函数，并结合 2026 年的现代开发视角进行了延伸。掌握这些技巧将极大地提升你处理测试数据和实现复杂业务逻辑的能力。

关键要点回顾：

基础：random() 返回 [0, 1)，是所有随机操作的基石。
整数生成：使用 floor(random() * (max - min + 1) + min) 以确保包含上下界。
封装：将逻辑封装到 UDF (User Defined Function) 中，可以让你的 SQL 代码更简洁、更安全。
性能意识：避免在大表上使用 INLINECODE1e1bd21e，考虑使用 INLINECODEb35bc29e 或随机 ID 范围查询。
现代化：利用 AI 辅助工具快速生成和优化这些 SQL 片段，但作为专家的你，必须理解其背后的性能影响和边界情况。

下一步建议：

你可以尝试将上述 INLINECODEd7128494 函数部署到你的本地数据库中，并尝试结合 INLINECODE807e9270 语句，为你的项目快速生成 10,000 条模拟用户数据。同时，思考一下在你的下一个 AI 应用中，如何利用这些随机数据来测试你的 RAG 系统的鲁棒性。

希望这篇文章能帮助你更好地理解和使用 PostgreSQL！如果你在实践过程中遇到任何问题，欢迎随时查阅 PostgreSQL 官方文档或相关技术社区进行深入探讨。

投稿给我们	如何建站？
vps是什么？	如何安装宝塔？
如何通过博客赚钱？	便宜wordpress托管方案
免费wordpress主题	这些都是免费方案

豆丁博客

PostgreSQL 随机数生成深度指南：从基础原理到 2026 年工程化实践

PostgreSQL 中的 random() 函数：深入核心

生成特定范围内的随机数

进阶技巧：构建通用随机整数生成器

封装成用户自定义函数（UDF）：2026 年工程化视角

实战应用：批量生成测试数据与性能优化

2026 前沿视角：AI 原生开发与 Vibe Coding（氛围编程）

高级技巧：从表中随机抽取记录及其性能陷阱

高级技巧：随机种子的使用与调试

常见错误与故障排除

总结与最佳实践

相关文章美国1G带宽/1T流量高速vps $17.99/年