hadoop 蓄水池抽样 分布式抽样

#!/usr/bin/env python
# -*- coding=utf8 -*-

import sys
import os
import random

#input split 1565 
#>>> 3000000/1565.0
#1916.932907348243
#2000

K = 2000

pool = []
idxs = range(K)
i = 0

for line in sys.stdin:
    line = line.strip()
    if i < K:
        pool.append(line)
        i += 1
    else:
        p_i = 1.0 / i
        if random.random() < p_i:
            idx = random.choice(idxs)
            pool[idx] = line
        i += 1

print os.linesep.join(pool)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值