如何在Hive中實現「group-by」抽樣？

Question

給定一個蜂巢表：

create table mock 
(user string, 
url string 
); 

如何品嚐url（比如50％）的一定比例或每個user一定數量的url？

Answer 1

有一個built-in query從表中提取樣本。

SELECT * FROM mock TABLESAMPLE(50 PERCENT) 

以下是使用row_number()的替代解決方案。第一數量各行的每個用戶

with numbered as (
    SELECT user, url, row_number() OVER (PARTITION BY user ORDER BY user) as rn FROM mock 
) 

然後，只需要麼選擇奇數或偶數使用pmod行以獲得50％的樣品

SELECT user, url FROM numbered where pmod(rn,2) = 0