“all_members”是hive中有10米行和1列的表：“membership_nbr”。我想抽样3000行。这就是我所做的：
hive>create table sample_members as select * from all_members limit 1;
hive>insert overwrite table sample_members select membership_nbr from all_members tablesample(3000 rows);
hive>select count(*) from sample_members;
确定45000
如果我用300行替换3000行，结果不会改变 我做错了吗？
答案 0 :(得分：1)
表使用tablesample(3000 rows)进行采样不会从整个表中获取3000行，而是从每个输入拆分中获取3000行。
因此，您的查询可能会运行15个映射器。因此，每个映射器将获取3000行。总计3000 * 15 = 45000行。此外，如果将3000行更改为300行，则在采样后将获得4500行作为输出。
因此，根据您的要求，您必须提供tablesample(200 rows)。结果每个映射器将获取200行。最后，15个映射器将获取3000个采样行。
请参阅以下链接了解各种类型的采样： https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Sampling