如何使用Presto SQL獲得可重複的樣本？

Question

我想從一個大表中獲取數據樣本，並希望確保稍後可以重複此操作。其他SQL允許使用set.seed（整數）或可重複（整數）命令設置種子來完成可重複採樣。但是，這在Presto中不適合我。這樣的命令不可用嗎？謝謝。

Answer 1

一種解決方案是，您可以通過添加隨機內容（例如UUID）的列（或創建視圖）來模擬採樣，然後通過在此列上過濾來選擇行（例如，UUID以'1'結尾） ）。您可以調整條件以獲取所需的樣本量。

按設計，結果是隨機的，也可以在多次運行中重複使用。

Answer 2

您可以創建與選定IDS一個簡單的中間表：

CREATE TABLE IF NOT EXISTS <temp1> 
AS 
SELECT <id_column> 
FROM <tablename> TABLESAMPLE SYSTEM (10); 

這將只包含採樣ID和將準備與感興趣的數據做JOIN使用它在你的分析下游。