数据库种子数据生成

解决的实际问题

在开发与测试环境中，手动填充数据库种子数据常面临三类问题：数据重复导致测试结果不可复现、外键依赖处理不当引发约束冲突、不同环境数据量需求难以统一管理。这些问题会拖慢迭代速度，尤其在集成测试或性能压测阶段尤为明显。

核心工作步骤

• 模式分析与依赖排序：首先解析目标数据库的表结构，识别所有列、数据类型、约束（如 NOT NULL、UNIQUE）和外键关系，确定父表先于子表的插入顺序，避免违反外键约束。
• 数据策略选择：根据使用场景选择数据生成方式——固定种子的确定性数据用于可复现测试、Faker 生成的真实数据用于开发环境、匿名化生产快照用于预发布。同时按环境定义数据量（开发环境每表 10-50 条、集成测试 1000-10000 条、性能测试 10 万+条）。
• 幂等脚本生成：编写匹配项目技术栈（Python/JavaScript/SQL/Ruby）的种子脚本，支持 INSERT ON CONFLICT DO NOTHING、UPSERT 或截断后插入策略确保可重复运行，并通过事务保证插入原子性。
• 环境配置与执行验证：通过环境变量切换种子配置，执行后验证行数是否符合预期、外键关系是否完整，并记录各表填充结果。

适用边界与注意事项

• 严禁向生产环境填充测试数据，建议在脚本中添加环境检查（如 assert os.environ["ENV"] != "production"）。
• 大数据量填充需使用批量方法（如 PostgreSQL 的 COPY、MySQL 的 LOAD DATA INFILE），避免单条 INSERT 导致性能瓶颈。
• 处理循环外键时，可先插入无外键约束的行，再更新外键值；生成时间相关数据时需基于当前日期动态生成，避免硬编码过期日期。