Losowa próbka z MongoDB zwraca mocno wypaczone wyniki

Od MongoDB 3.4.9, jedną z przyczyn zaobserwowanego błędu jest to, że $sample opiera się prawie całkowicie na implementacji losowego kursora silnika pamięci masowej (patrz SERVER-19183 ). Odbywa się to tak, że $sample może być wydajna, gdy kolekcja zawiera dużo danych. Jednak ponieważ silnik pamięci przechowuje dokumenty w posortowanej kolejności przy użyciu implementacji typu B-drzewo, nie zawsze jest możliwe utworzenie naprawdę losowego wyniku.

Obecnie istnieją dwie prośby o lepszą funkcję $sample mechanika, czyli SERVER-22069 i SERVER-22068 .

To powiedziawszy, jeśli potrzebujesz naprawdę bezstronnych próbek swoich danych, użyj własnego $sample -podobne rozwiązanie jest prawdopodobnie najlepszym sposobem postępowania w tym momencie. Coś takiego:

1. Pobierz listę wszystkich _id w kolekcji.
2. Wykonaj losowe próbkowanie z tej listy (np. używając random Pythona .wybór ).
3. Uzyskaj wszystkie odpowiednie dokumenty, korzystając z próbki _id , co będzie dość wydajne w zależności od żądanej wielkości próbki, ponieważ _id jest zawsze indeksowany.