Question

是否有可能（有效地）从猪的袋中选择一个随机元组？我可以拿一个包的第一个结果（因为它是无序的），但在我的情况下，我需要一个适当的随机选择。一个（非效率）解决方案是计算包中的元组数，在该范围内取一个随机数，循环通过包，并在迭代次数与我的随机数匹配时停止。有谁知道更快/更好的方法吗？

Answer 1

您可以在嵌套的FOREACH语句中使用RANDOM（），ORDER和LIMIT来选择一个具有最小随机数的元素：

inpt = load 'group.txt' as (id:int, c1:bytearray, c2:bytearray);
groups = group inpt by id;
randoms = foreach groups {
    rnds = foreach inpt generate *, RANDOM() as rnd; -- assign random number to each row in the bag
    ordered_rnds = order rnds by rnd;
    one_tuple = limit ordered_rnds 1; -- select tuple with the smallest random number
    generate group as id, one_tuple;
};

转储randoms;

<强> INPUT：

<强>输出：

(1,{(1,b,r,0.05172709255901231)})
(2,{(2,k,k,0.14351660053632986)})
(3,{(3,e,l,0.0854104195792681)})
(4,{(4,h,b,8.906013598960483E-4)})
(5,{(5,h,k,0.6219490873384448)})

如果你运行“dump randoms;”多次，每次运行都应得到不同的结果。

编写UDF可能会提供更好的性能，因为您无需在包中随机进行二次排序。

Answer 2

我需要自己做这件事，并且惊奇地发现一个非常简单的答案似乎有效，可以得到大约10％的别名A：

B = RANDOM（）＆lt;过滤器A 0.1

从包中选择随机元组

2 个答案: