問題
在做項目的時候經常會遇到這樣的問題：
- 根據數據模型建立了數據庫，但是數據庫中卻沒有數據，在給客戶做Demo的時候必須要一條一條的添加假數據，而且這些假數據還得像模像樣的，不能亂輸入，盡是看不出任何意義的“aaaaa”、“ttttttttttttt”、“123123”、“是打發斯蒂芬”這樣的數據。
- 已經做好了一個系統，並且上線給部分客戶使用了，現在要將該系統推廣到所有的客戶，所以需要做一個虛擬客戶的系統，系統中需要有許多像樣的數據，但是由於保密方面的原因，原有客戶的數據必須經過處理，不能出現真實的信息。
- 系統開發完成了，需要製造大量的假數據，以進行壓力測試，看在有幾百萬上千萬數據量的情況下的系統性能。
方案
其中要生成大量的沒有意義的測試數據，以便進行壓力測試，這個數據是最好生成的，只需要寫幾條SQL語句，多運行幾次即可。如果不想寫SQL語句，也可以使用數據生成工具：VisualStudio、PowerDesigner、DataFactory等都可以使用。我推薦使用DataFactory，有較強的定製性。
下面主要說一下另外一種假數據，那就是前面2種情況，具有一定業務規則和可讀性的假數據。要生成比較像樣的假數據主要是基於已有的系統，在真實數據的基礎上進行隨機的混淆和交叉，從而產生大量看起來比較真實但是實際上卻全是假的數據。對於第一種情況，可以將其他系統中的對應實體表的數據導入到Demo環境中，然後再進行混淆交叉。
我們可以將系統中的數據分爲：數字、日期和字符串3種類型分別進行混淆。
- 數字類型的數據混淆最簡單，使用隨機函數RAND()即可，如果是整數則可以再乘以一個係數後取整，也可以用原來的數據加上生成的隨機數，從而使得數據的範圍保持在原真實數據相同的分佈。比如有Revenue字段，是從客戶處的收入，大客戶和小客戶參數的收入數不能完全隨機，可以在原有Revenue的基礎上隨機增加10000以內的數即可：Revenue+RAND()*10000
- 日期類型的數據混淆可以在原日期或者當前日期的基礎上加減一個隨機的天數形成，使用DATEADD()函數和RAND()函數即可。比如生成隨機的最近100天內的日期：DATEADD("day",0-RAND()*100,GETDATE())
- 字符串類型的數據混淆最爲複雜，因爲字符串具有很明確的意義，比如名字字段、公司名字段等，如果隨機的生成字符將沒有任何意義。這時可以考慮將字符串拆分成兩部分然後進行交叉組合，用隨機的交叉組合來代替真是的數據。比如原來的姓名是：李宇春、曾軼可、劉著，經過交叉組合就會形成：李著、曾宇春、劉軼可之類的組合。
姓名的拆分是分爲姓和名，而公司的拆分可以拆分成前2個字和後面的字。如果是英文姓名或者英文公司名則可以按照第一個空格將英文字符串拆分成第一個單詞和後面的單詞。然後將產生的兩個字段存入臨時表，用兩個臨時表進行交叉聯接，得到兩個字段的所有組合，然後再隨機選出一定條數的數據，用選出的隨機數據將原有數據替換即可。
示例
以一個HR系統爲例。假設其中有一個Employee表，該表記錄了員工的工號、姓名等信息，現在要對姓名進行處理，具體操作如下：
1.區分出中文名和英文名，分別進行拆分。中文姓名以第一個字爲A列，剩下的字尾B列，英文名以第一個單詞爲A列，剩下的單詞爲B列，將拆分的數據存入臨時表，具體SQL語句如下：
select SUBSTRING(Name,1,1) A,SUBSTRING(Name,2,10) B into #CName
from Employee
where UNICODE( Name)>255 --中文
select Name,SUBSTRING(Name,1,CHARINDEX(' ',Name,1)) A,SUBSTRING(Name,CHARINDEX(' ',Name,1),50) B into #EName
from Employee
where UNICODE( Name)<255 --英文
2.讓A列和B列進行交叉聯接，得到姓名組合的全集，然後隨機選出與源數據相同數據量的姓名存入臨時表（臨時表中有ID流水號字段）。假設員工表裏有5000員工數據，則可以選取5000個隨機姓名，代碼如下：
create table #newCName(ID int identity primary key,Name nvarchar(50))
insert into #newCName(Name)
select top 5000 n1.A+n2.B
from #CName n1
cross join #CName n2
order by NEWID() --隨機選取行
3.由於Employee中沒有自增的ID字段，只有字符串形式的員工號作爲主鍵，所以需要給每個員工號編一個流水號，用於和隨機姓名中的流水號對應，以便接下來的UPDATE操作：
create table #newEmployeeID(ID int identity primary key,EmployeeID varchar(10))
insert into #newEmployeeID
select EmployeeId
from Employee
where UNICODE( Name)>255 --中文
4.更新Employee表中的姓名字段爲隨機生成的姓名：
update Employee
set Name=n.Name
from Employee e
inner join #newEmployeeID i
on e.EmployeeId=i.EmployeeID
inner join #newCName n
on i.ID=n.ID
where UNICODE(e.Name)>255 --只更新中文姓名
5.用同樣的方法，可以對英文姓名進行混淆交叉替換。
優化
這裏需要注意的是第2步，使用了CROSS JOIN操作，也就是求兩個表的笛卡爾積，如果一個表中有10W條數據，那麼將會產生100億行結果，然後再進行排序，那將是近乎不可能完成的任務，所以必須減少進行笛卡爾積的表的數據量，比如每個表只取500條不重複的數據，那麼修改後的SQL語句是：
select top 5000 n1.A+n2.B
from
(select distinct top 500 A from #CName )n1 --取不重複的500個姓
cross join
(select distinct top 500 B from #CName ) n2--取不重複的500個名
order by NEWID() --隨機選取行
這樣最多隻是500*500條記錄，進行排序選取隨機行將會很快完成。