cross join 是批量生成测试数据的最快路径，因其无需循环、不依赖临时表，一行 sql 即可产出笛卡尔积规模数据，适合构造组合型测试集，但需配合 row_number()、dateadd() 或 cte 处理 id、时间偏移及逻辑约束。
为什么 CROSS JOIN 是批量生成测试数据的最快路径
因为不需要循环、不依赖临时表、一行 SQL 就能产出笛卡尔积规模的数据量。它适合构造「组合型」测试集——比如 10 个用户 × 5 种状态 × 7 天日期 = 350 条记录，直接用 CROSS JOIN 拼出来，比嵌套 WHILE 或游标快一个数量级。
注意：不是所有场景都适用。如果需要每行有唯一递增 ID、时间戳动态偏移、或字段间存在逻辑约束（如“订单时间不能早于用户注册时间”），CROSS JOIN 就得配合 ROW_NUMBER()、DATEADD() 或 CTE 补齐，否则容易生成无效数据。
如何用 VALUES + CROSS JOIN 构造基础维度表
SQL Server 和 PostgreSQL 都支持 VALUES 表值构造器，这是最轻量的“假表”写法，避免建真实表或临时表。
-
VALUES ('A'), ('B'), ('C')生成单列 3 行 - 两个
VALUES子句用CROSS JOIN连接，即得 3 × 3 = 9 行组合 - 字段别名必须显式声明，否则后续引用会报
invalid column name
示例（SQL Server）：
SELECT
u.username,
s.status,
d.day_date
FROM (VALUES ('u1'),('u2'),('u3')) AS u(username)
CROSS JOIN (VALUES ('active'),('inactive'),('pending')) AS s(status)
CROSS JOIN (VALUES ('2024-01-01'),('2024-01-02'),('2024-01-03')) AS d(day_date);
如何给 CROSS JOIN 结果添加自增 ID 和时间偏移
纯 CROSS JOIN 输出的是静态组合，但测试数据通常要模拟真实序列：ID 从 1 开始、时间按分钟/小时递增、金额带小数随机。这时必须套一层子查询或 CTE，用窗口函数加工。
-
ROW_NUMBER() OVER (ORDER BY (SELECT NULL))是最稳定 ID 生成方式，不依赖原始顺序 - 时间偏移推荐用
DATEADD(minute, ROW_NUMBER() OVER (...) - 1, '2024-01-01')，避免GETDATE()导致数据不可重现 - SQL Server 中
NEWID()可用于随机排序，但会影响ROW_NUMBER()稳定性，慎用
示例（追加 ID 和递增时间）：
WITH base AS (
SELECT u.username, s.status
FROM (VALUES ('u1'),('u2')) u(username)
CROSS JOIN (VALUES ('ok'),('fail')) s(status)
)
SELECT
ROW_NUMBER() OVER (ORDER BY (SELECT NULL)) AS id,
username,
status,
DATEADD(second, id_offset, '2024-01-01 00:00:00') AS created_at
FROM base
CROSS JOIN (SELECT TOP (SELECT COUNT(*) FROM base)
ROW_NUMBER() OVER (ORDER BY (SELECT NULL)) - 1 AS id_offset
FROM sys.columns) AS seq;
常见错误：NULL 值污染、性能骤降、结果不可控
CROSS JOIN 本身不过滤 NULL，如果任一参与表含 NULL 行，结果会爆炸式增长且含大量无意义记录。另外，未加 TOP 或 WHERE 限制时，3 个 100 行的表交叉就是 100 万行，可能卡住 SSMS 或触发超时。
- 检查每个
VALUES或子查询是否隐含NULL：用WHERE col IS NOT NULL显式过滤 - 在开发环境务必加
TOP 1000，上线前确认目标行数，避免误生成千万级数据填满日志文件 - PostgreSQL 对
VALUES的别名语法更严格，必须写成AS t(col)，漏掉括号会报column "col" does not exist - MySQL 8.0+ 支持
VALUES，但 5.7 不支持，需改用SELECT UNION ALL模拟
真正难的不是写出第一版 CROSS JOIN，而是预判组合后总行数、控制字段语义有效性、以及让每次执行结果可复现——这三点漏掉任意一个，生成的数据就只能删库重来。
