如何快速获得基于该模型上的权重字段的Django模型实例的加权随机实例？
我使用Postgres作为数据库后端，但我认为这无关紧要。此外，我仍然希望使用sqlite3作为本地开发数据库，因此理想情况下，任何方法都可以同时适用于这两种数据库。
我所说的"加权"是指数据库表中的某些项目比其他项目更有可能出现，这是基于从0到inf的启发式值，其中0是"永远不会被选中"，1是"与任何其他实例一样可以被选中"，而2是"被选中的可能性是任何其他实例的两倍"。
我读过其他一些关于随机抽取模型实例的帖子，但就我所见，没有方法可以快速完成这项工作，包括权重。
我的模型：
- 有数百万个实例。
- 有一个
权重DecimalField，可以随时更新，甚至在运行时。 - 除了使用这种随机选择算法之外，不会在任何地方被引用（例如，它可以在任何时候被删除和重新创建，没有任何问题）。
我想要的是一种比我尝试过的解决方案更快的快速方法，或者解释为什么我尝试过的一种解决方案是我能得到的最快的。
我想从数据库表格中选择“新鲜”的内容，但仍然有机会看到一些较旧的内容。如果一些内容被浏览得太频繁或不太受欢迎，它应该出现得更少。理想情况下，我可以控制这一频率：“啊，所以这将是网站上其他内容的1.5倍。”
- 计算模型的实例总数。例如：100
这似乎相当缓慢，“回退”的随机性可能永远不会终止。总的来说，这真的很简陋，我不想用它。把它放在第一位，因为它相当“简单”，我很可能会忽略它。
选择所有行根据权重为每行分配一系列ID将所有权重动态相加掷一个所有权重之和的骰子无论选择什么，根据权重选择一个ID
问题是，这种算法对于数百万行来说似乎很慢。这是“天真”的解决方案。
每当添加了某些内容或更改了权重时，删除所有包含实例的唯一详细信息的实例，并创建具有相同元信息的权重更多实例。- 通常选择一个随机实例。
需要注意的是，只有基于整数的权重是可能的。选择代码
添加一个抛出概率字段，而不是权重
这最终解决了问题，但仍然可能需要更多的数据库调用，这是一种间接的解决方案。
正是如此，所以我确信有一些聪明的基于注释的解决方案（或类似的解决方案）是我忽略的。提前谢谢你的帮助！
共有1个答案
您可以将切分与您列出的任何方法相结合。选择多个碎片（最好是行数/碎片数明显大于log（行数），以避免高概率出现空碎片），为每一行分配一个统一的随机碎片ID，并将碎片ID作为主键的第一个条目，以便表按碎片排序。要进行采样，请选择一个均匀的随机碎片，然后在碎片内进行采样。这是不准确的，因为碎片总数是不平衡的，但如果碎片足够大，那么大数定律就会生效。（不过，如果碎片太大，那就开始破坏碎片分割的意义。）
-
问题内容： 我有一个模型，希望包含一个主题名称及其首字母。（数据在某种程度上是匿名的，并且通过缩写来跟踪。） 现在，我写了 如最后一行所示，我希望能够将姓名的首字母实际作为字段（与名称无关）存储在数据库中，但是会使用基于名称字段的默认值进行初始化。但是，我遇到了问题，因为Django模型似乎没有“自我”。 如果将行更改为，则可以执行syncdb，但不能创建新主题。 在django中，有一个可调用函
-
业务场景： 同一个登陆页面，管理员和普通用户有不同的用户名和登录密码。登陆之后需要进入不同的home页面，以此类推，导航栏也完全不同。所有UI和功能都不同。也就是说同一套代码，登陆的之后却是不同的网络应用。 问题： 这种设计在开发中会不会有什么不便的地方。比如：这一个代码库跑在localhost:3000上面，那么存储的token也在这个3000 localStorage下面，如果我想要同时开发“
-
我已经看到了创建Django用户模型实例的不同方法。它遵循了Django开发中的最佳实践 1. 2.
-
问题内容： 给定Django模型，我试图列出其所有字段。我已经看到了使用_meta模型属性执行此操作的一些示例，但是meta前面的下划线是否表示_meta属性是私有属性，不应直接访问？…例如，因为_meta的布局将来可能会更改，并且不是稳定的API？ _meta是该规则的例外吗？它是否稳定且可以使用，还是访问它的不正确做法？还是有一种功能或其他方法可以在不使用_meta属性的情况下自省模型的字段？
-
如何知道django模型的一个实例何时在sqlite中创建了？我尝试了许多方法，但是我不知道或不知道我的数据库实例是何时创建的 从datetime导入datetime，time delta time _ threshold = datetime . now()-time delta(hours = 4)results = x . objects . filter(created _ _ lt =
-
问题内容： 允许从向量中进行加权选择，即 选择概率为0.2的1，概率为0.5的2和概率为0.3的3。 如果我们想对每个行都是概率向量的2D数组（矩阵）以向量化的方式快速进行操作，该怎么办？也就是说，我们想要一个来自随机矩阵的选择向量吗？这是超级慢的方式： ： 这篇文章表明，并且可能是一种潜在的方法，而且很快。但是虽然可以沿numpy数组的一个轴执行此操作，但是该函数一次只能在单个数组上运行。同样，