正如我们所看到的，COLOR_FREQUENCY 表中的每一行都连接了 CONSECUTIVE_NUMBER 表中的 FREQUENCY 行。该示例生成了您需要用于获得所需值分布的确切内容： 
CREATE TABLE T_SHIRT(COLOR VARCHAR(30) NOT NULL, SIZE CHAR(1) NOT NULL);
INSERT INTO T_SHIRT
SELECT COLOR, 'M' AS SIZE
FROM COLOR_FREQUENCY JOIN CONSECUTIVE_NUMBER
ON NUM BETWEEN 1 AND FREQUENCY;

SELECT COLOR, COUNT(*) FROM T_SHIRT GROUP BY COLOR;

COLOR 2
------------------------------ -----------
AMBER 3
BLACK 1
BLUE 1
GREEN 3
RED 37
SILVER 12
WHITE 2 ;
 
    因此，T_SHIRT 表现在有 37+12+3+3+2+1+1 = 57 行。该表刚好具有所需的值分布。 
    为几个列生成具有给定值分布的数据
    使用前一章中的所用表，您还可以为 SIZE 列指定值分布： 
CREATE TABLE SIZE_FREQUENCY(SIZE CHAR(1), FREQUENCY SMALLINT);
INSERT INTO SIZE_FREQUENCY VALUES
('S', 5), ('M',7), ('L', 9);
    并使用两个表表达式来填充 T_SHIRT 表： 
INSERT INTO T_SHIRT
SELECT COLOR, SIZE
FROM
(SELECT COLOR FROM COLOR_FREQUENCY JOIN CONSECUTIVE_NUMBER ON NUM BETWEEN 1 AND FREQUENCY) C,
(SELECT SIZE FROM SIZE_FREQUENCY JOIN CONSECUTIVE_NUMBER ON NUM BETWEEN 1 AND FREQUENCY) S
    第一个表表达式产生 57 行，而第二个表表达式则产生 5+7+9=21 行。由于我们没有指定任何连接条件，所以第一个结果集中的每一行将会连接第二个中的每一行，从而产生 57*21 行。 
    注意： 交叉连接可能会生成太多行。因此，该事务将太大，以致服务器无法处理。本例中，您可能需要几个较小一些的 INSERT 语句，例如在第一个 INSERT 中使用以下表表达式：
 
(SELECT SIZE FROM SIZE_FREQUENCY JOIN CONSECUTIVE_NUMBER ON NUM BETWEEN 1 AND FREQUENCY AND SIZE='L') S
    并且在第二个 INSERT 语句中将这个表表达式修改为：
 
(SELECT SIZE FROM SIZE_FREQUENCY JOIN CONSECUTIVE_NUMBER ON NUM BETWEEN 1 AND FREQUENCY AND SIZE<>'L') S
    生成具有相关列的数据
    假定我们需要生成几行记录来填充 CAR 表： 
CREATE TABLE CAR(
MAKE VARCHAR(20) NOT NULL,
MODEL VARCHAR(20) NOT NULL,
OTHER_DATA VARCHAR(20));
    如果尝试前一章中的方法，我们最后将获得一些不可能的 MAKE/MODEL 组合，例如“TOYOTA METRO”和“GEO CAMRY”。该状况称作 MAKE 列和 MODEL 列之间的相关性。正确的方法是指定有效对（MAKE，MODEL）及其频率：
 
CREATE TABLE MAKE_MODEL_FREQUENCY(MAKE VARCHAR(20), MODEL VARCHAR(20), FREQUENCY SMALLINT);
INSERT INTO MAKE_MODEL_FREQUENCY VALUES
('TOYOTA','CAMRY', 40), ('HONDA','ACCORD',40), ('CHEVY', 'PRIZM', 5), ('GEO','PRIZM', 5),
('CHEVY', 'METRO', 5), ('GEO', 'METRO', 10);
    一旦完成该工作，我们就可以按照前面一模一样的方法来连接 CONSECUTIVE_NUMBER 和 MAKE_MODEL_FREQUENCY 表了。 
    操纵群集因子
    表的物理行次序将影响该表上几乎所有查询的性能。因此，所生成的数据具有理想的物理行次序是极其重要的。如果您期望一个索引具有较高的群集因子，就只要重组该索引上的表。相反，如果您期望该索引具有较低的群集因子，也可以容易地以随机次序来打乱该表的次序，从而使得该索引的群集因子接近于 0： 
CREATE TABLE NAMES(
FULL_NAME VARCHAR(50) NOT NULL,
ORDERED_ON INT);
INSERT INTO NAMES(FULL_NAME, ORDERED_ON)
SELECT TABNAME || ', ' || COLNAME AS FULL_NAME,
SYSFUN.RAND() * 10000 AS ORDERED_ON
FROM SYSCAT.COLUMNS;

CREATE INDEX NAMES_FULL_NAME ON NAMES(FULL_NAME);
CREATE INDEX NAMES_ORDER ON NAMES(ORDERED_ON);
REORG TABLE DB2ADMIN.NAMES INDEX DB2ADMIN.NAMES_ORDER;
RUNSTATS ON TABLE DB2ADMIN.NAMES AND DETAILED INDEXES ALL;
 
    在进行重组之后，索引 NAMES_FULL_NAME 将具有一个极低的群集因子（接近于 0），因为现在的行是以随机次序存储的。 
    注意： 还可以重组该表，以使索引 NAMES_FULL_NAME 的群集因子接近 0 到 1 之间的任何给定值，但是，该内容超出了本文的范围。
 
    结束语：
    本文讨论了如何构建一个测试数据集，以使该数据集达到用于测试的规模，并且具有期望的值分布和列间相关性。