基于所有读入的column_name的值，系统根据x、y的设置做采样，并过滤掉不满足采样条件的行。
命令格式
boolean sample(<x>, <y>, [<column_name1>, <column_name2>[,...]])参数说明
x、y：x必填。BIGINT类型，取值范围为大0的整型常量。表示哈希为x份，取第y份。
y可选，省略时默认取第一份。如果省略参数中的y，则必须同时省略column_name。
x、y为其它类型或小于等于0时抛异常，如果y大于x时也返回异常。x、y任一输入为NULL时，返回NULL。
column_name：可选。采样的目标列。该参数省略时将根据x、y的值随机采样。任意类型，列的值可以为NULL。不做隐式类型转换。如果column_name为常量NULL，则返回报错。
说明为避免NULL值带来的数据倾斜，对于column_name中为NULL的值，会在x份中进行均匀哈希。如果不指定column_name，则数据量比较少时输出不一定均匀，在这种情况下建议指定column_name，以获得较好的输出结果。
目前仅支持对如下数据类型的列做随机采样：bigint、datetime、boolean、double、string、binary、char、varchar。
返回值说明
返回BOOLEAN类型。
使用示例
例如存在表mf_sample，表数据如下：
+------------+------+------+------+------+
| id | col1 | col2 | col3 | col4 |
+------------+------+------+------+------+
| 3 | eee | rrr | tttt | ggggg |
| 4 | yyy | uuuu | iiiii | ccccccc |
| 1 | "abc" | "bcd" | "rthg" | "ahgjeog" |
| 2 | "a1bc" | "bc1d" | "rt1hg" | "ahgjeog" |
+------------+------+------+------+------+对表数据做随机哈希分配为2份，取第1份：
select * from mf_sample where sample(2,1);返回结果如下：
+------------+------+------+------+------+ | id | col1 | col2 | col3 | col4 | +------------+------+------+------+------+ | 3 | eee | rrr | tttt | ggggg | | 1 | "abc" | "bcd" | "rthg" | "ahgjeog" | +------------+------+------+------+------+根据
id列对表数据做随机哈希分配为2份，取第1份：select * from mf_sample where sample(2,1,id);返回结果如下：
+------------+------+------+------+------+ | id | col1 | col2 | col3 | col4 | +------------+------+------+------+------+ | 4 | yyy | uuuu | iiiii | ccccccc | | 2 | "a1bc" | "bc1d" | "rt1hg" | "ahgjeog" | +------------+------+------+------+------+
相关函数
SAMPLE函数属于其他函数，更多其他业务场景的函数请参见其他函数。
反馈
- 本页导读 （1）
文档反馈