sql - Hive 中的分层抽样

Question

以下返回 10% A sample 和 X按 X 的值分层的列.

  select A, X from(
  select A, 
      count(*) over (partition by X) as cnt, 
      rank() over (partition by X order by rand()) as rnk
      from my_table) table 
  where rnk <= cnt*0.1

换句话说，如果 X取值 [X0, X1]它返回以下联合:

X = X0 所在行的 10%

X = X1 所在行的 10%

如何按 的值对查询进行分层元组对于几列(例如 X 、 Y )？

例如，如果 X取值 [X0, X1]和 Y 取值 [Y0, Y1] ，我想得到一个样本，它是以下各项的结合:

X = X0 所在行的 10%和 Y=Y0

X = X0 所在行的 10%和 Y=Y1

X = X1 所在行的 10%和 Y=Y0

X = X1 所在行的 10%和 Y=Y1

Answer 1

我会使用你上面的方法，但使用你想要考虑的列的散列。