mysql随机数据生成并插入
dblp数据库中引用信息很少，平均一篇论文引用0.2篇。使用dblp做实验数据集的某篇论文提到，可以随机添加引用信息。受此启发，我打算为每一篇论文都添加20篇随机引用，于是就写出了如下的sql语句：
String sql = "insert into citation(pId1,pId2) values( (select pId from papers limit ?,1),(select pId from papers
limit ?,1))";
使用preparedstatement，以batch方式提交数据库。
第一个参数是paper的rowid信息，从0~N（N为papers的total row）。第二个参数是java生成的20个不重复的随机数，范围是0-N。然后嵌套在for循环里，每1w条数据提交给数据库一次。
这段代码巧妙运用limit的特性完成随机选tuple，本来是暗暗得意的。自以为把所有的select都交给数据库去做了，省去了通过jdbc的多次连接，应该是很快就可以运行完成的。哪知，插了不过10w条（10000*10）数据，就耗时22分钟之多。最终的实验需要插入400w条数据，也就是说要花14h左右。
于是开始反思，不断做写类似的程序查找时间瓶颈，最终锁定在select limit，这个操作极耗时间。当初选用limit，原因在于：随机生成的是数字，要把数字映射到tuple，也就是对应到rowid；由于papers表的主键并非递增int，所以默认的rowid不存在。后来一想，可以在papers表上先增加一个auto_increment的temp列，完成citation插入后再删除。这样sql语句就改成了：
String sql = "insert into citation(pId1,pId2) values((select pId from papers where temp=?), (select pId from
papers where temp=?))";
再一次插入10w条数据，耗时38s。效率大幅提高，但不知道还可不可以进一步优化。
相关文档：
mysql version 5.1
在mysql创建表的时候经常会遇到创建日期字段需要设置当前时间为默认值的时候，就如sqlserver2000一样，把默认值设为getdate()即可，我在网上查了N久都没有查到使用有效的方法，最后自己研究了一些方法与大家分享：
数据库：test_db1
创建表：test_ta1
两个字� ......
A) Shutdown management node and data node
devmysql3# ndb_mgm -e shutdown
devmysql4# ndb_mgm -e shutdown
B) Shutdown MySQL proccess
devmysql3# mysqladmin shutdown
devmysql4# mysqladmin shutdown
devmysql3 ip: 10.130.30.217
devmysql4 ip: 10.130.30.218
rpm -ivh MySQL-Cluster-gpl-storage ......
过滤器条件
mysql.query contains "SELECT"
..
..
..
..
MySQL Protocol
Packet Length: 168
Packet Number: 0
Command
Command: Query (3)
State ......
一般建模可能都会用到：powerdesigner
但是，在建表的时候，我一直没有找到：
DEFAULT CHARACTER SET
COLLATE
两个选项。因此，想了个方法，点击：工具栏-》database-》edit current DBMS
然后，选中：MYSQL50::Script\Objects\Table\Options
在options末尾添加：
ENGINE = %s : list = BDB | HEAP | ISAM | InnoDB ......
