Hive实现从表中随机抽样得到一个不重复的数据样本

select a.* 
from (
select a.*,rand(12345) as random
from tripdata a
) a
where random between 0 and 0.2;

　　

a.country a.city a.visitors a.random 阿联酋 迪拜 268 0.3618031071604718 阿联酋 迪拜 108 0.932993485288541 澳大利亚 墨尔本 230 0.8330913489710237 澳大利亚 墨尔本 188 0.32647575623792624 澳大利亚 堪培拉 378 0.2355237906476252

select distinct a.*
from tripdata a
order by rand(12345) 
limit 5;

　

country city visitors 阿联酋 阿布扎比 157 阿联酋 阿布扎比 137 阿联酋 迪拜 144 阿联酋 阿布扎比 227 澳大利亚 堪培拉 240

select
	user_log_acct,
	row_number() over(ORDER BY rand(1000)) as row_num
from
	dev.dev_XXX

　　

这里，row_number() over(ORDER BY rand(1000)) 中，1000相当于一个随机种子，跑多次，随机的结果是一样的；

 

https://www.jianshu.com/p/2b73e7c53355