Hive实现从表中随机抽样得到一个不重复的数据样本

方法一：

select  *  from table_a  order by rand() limit 100;

方法二：

select * from (  

select e.*, cast(rand() * 100000 as int) as vidx from  e   

                      ) vt order by vt.vidx limit 1000

说明：

1，表e为一个普通的表，里面存有数据，我们要从表e中随机抽出1000条数据作为数据样本。

2，rand() 函数产生一个0到1的随机数字，cast(rand() * 100000 as int) as vidx 表示： vidx为一个0到100000之间的一个随机整数。

3，e表中的字段和vidx组成了一个新的表格vt 。

# 用这句话来验证结果，最好在hive端，表及时能看到 select * from kkwifi2000 order by rand() limit 20;