Lorem Ipsum Shuffle

Derzeit steht die Leistungsfähigkeit unseres Gästebuch-Scripts auf dem Prüfstand. Herausgefunden werden soll, wie das Script mit einer sehr großen Menge an Daten umgeht. Dazu wurden automatisch 1 Million Kommentare in die Datenbank geschrieben, was die Tabelle auf rund 650 MiB anschwellen ließ.

Als Kommentartext wurde der klassische Lorem-Ipsum-Text verwendet, jedoch nicht immer in derselben Ausführung. Per explode() in einzelne Wörter aufgeteilt wurde der Text mit shuffle() gemischt und per implode() wieder zu einem String zusammengefügt.

Vorher:

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Nachher (eine der Versionen):

sint ut do ipsum laboris eu Ut culpa voluptate deserunt quis sunt amet, velit dolore cillum pariatur. dolor anim aliquip dolore in id officia dolor ad tempor commodo irure aliqua. ut exercitation reprehenderit laborum. minim nisi veniam, non Excepteur fugiat consectetur sit magna aute esse adipisicing in proident, ea cupidatat nulla sed mollit est ex elit, occaecat eiusmod consequat. qui et Lorem enim incididunt labore ullamco Duis in nostrud

shuffle() liefert allerdings nicht tatsächlich immer zufällige Ergebnisse. Der Lorem-Ipsum-Text hat 69 Wörter, was eine Anzahl von 1,7 × 10⁹⁸ Kombinationen ergibt (tatsächlich ist die Zahl der Kombinationen etwas kleiner, da einige Wörter wie "dolor" und "dolore" doppelt vorkommen. Der Unterschied ist aber nicht signifikant).

Und das tatsächliche Ergebnis? Jede Version des Textes ist mehr als einmal in der Datenbank enthalten. Mindestens 34 mal, um genau zu sein. Herausgefunden mit folgendem MySQL-Statement, das doppelte Einträge findet:

SELECT comment_text, COUNT(comment_text)
FROM comment
GROUP BY comment_text
HAVING (
    COUNT(comment_text) > 1
)

Die häufigste Kombination des Textes ist 62 mal vertreten. Insgesamt gibt es 24.576 verschiedene Versionen. Deutlich weniger als die möglichen < 1,7 × 10⁹⁸. Sollte man sich darauf verlassen, dass shuffle() immer ein anderes Ergebnis bringt? Offensichtlich nicht.