ArangoDB随机选取文档常出重复结果及AQL实现求助

你遇到的重复结果问题，主要是因为sort rand() limit 1这种方式的随机性不够稳定，而且对小数据集来说概率上更容易出现重复，同时全量排序的效率也很低。下面给你几个实用的优化方案：

1. 使用ArangoDB原生SAMPLE操作符（推荐） #

ArangoDB专门提供了SAMPLE语法来高效实现随机采样，它不需要对所有结果排序，而是在遍历过程中直接随机选取文档，随机性更均匀，能有效避免频繁重复的问题。优化后的查询如下：

// 优雅获取目标品牌的_id
LET targetBrandId = FIRST(
  FOR brand IN brands
  FILTER brand.brand == @brand1
  RETURN brand._id
)

// 从关联车辆中随机选取1个
LET randomCarId = FIRST(
  FOR edge IN edges
  FILTER edge._from == targetBrandId
  FOR car IN cars
  FILTER car._id == edge._to
  SAMPLE 1  // 用SAMPLE替代sort rand() limit
  RETURN car._id
)

RETURN randomCarId

2. 绕过查询缓存避免重复 #

如果你的查询被ArangoDB的查询缓存命中，也可能返回相同结果。可以添加一个无意义的随机变量强制绕过缓存：

LET dummy = rand()  // 强制缓存不命中，确保每次查询都是全新执行
LET targetBrandId = FIRST(
  FOR brand IN brands
  FILTER brand.brand == @brand1
  RETURN brand._id
)

LET randomCarId = FIRST(
  FOR edge IN edges
  FILTER edge._from == targetBrandId
  FOR car IN cars
  FILTER car._id == edge._to
  SAMPLE 1
  RETURN car._id
)

RETURN randomCarId

3. 优化原有rand()排序方式（仅适用于极小数据集） #

如果你坚持要用rand()，可以给每个文档绑定独立生成的随机值后再排序，确保随机性更可靠：

LET targetBrandId = FIRST(
  FOR brand IN brands
  FILTER brand.brand == @brand1
  RETURN brand._id
)

LET randomCarId = FIRST(
  FOR edge IN edges
  FILTER edge._from == targetBrandId
  FOR car IN cars
  FILTER car._id == edge._to
  RETURN { carId: car._id, random: rand() }
  SORT random
  LIMIT 1
  RETURN carId
)

RETURN randomCarId

不过这种方法仍需全量排序，效率远低于SAMPLE，只适合数据量极小的场景。

内容的提问来源于stack exchange，提问作者Omnia87