从 hive 表的每个分区中随机抽取 100000 行的最快方法

问题描述

我有一个每天分区的表,每个分区包含近 80M 行。

我想从特定月份的每个分区中随机抽取 100000 行。

目前我在每个分区中使用排名,按 rand() 排序,然后按排名过滤,但几乎需要 45-60 分钟。

是否有一种更快的方法可以在不影响样品质量的情况下做同样的事情?

编辑 我的桌子没有桶

解决方法

暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!

如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@)