文档

SAMPLE

更新时间:

基于所有读入的column_name的值,系统根据xy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

  • xyx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

    xy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。xy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xy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,则可能出现数据不均匀的情况,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