3Hive数据抽样

当数据规模不绝膨胀时，我们必要找到一个数据的子集来加快数据分析服从。因此我们就必要通过筛选和分析数据集为了举行模式 & 趋势辨认。现在来说有三种方式来举行抽样：随机抽样，桶表抽样，和块抽样。
1 随机抽样

关键词：rand()函数。
使用rand()函数举行随机抽样，limit关键字限定抽样返回的数据，此中rand函数前的distribute和sort关键字可以包管数据在mapper和reducer阶段是随机分布的。
案比方下：

1. select * from table_name
2. where col=xxx
3. distribute by rand() sort by rand()
4. limit num;

复制代码

使用order 关键词:
案比方下：

1. select * from table_name
2. where col=xxx
3. order by r

复制代码