如何根据百分位数过滤表格,然后在 HQL 中随机抽样?
Posted
技术标签:
【中文标题】如何根据百分位数过滤表格,然后在 HQL 中随机抽样?【英文标题】:How to filter table based on percentile and then random sample in HQL? 【发布时间】:2018-05-08 15:53:06 【问题描述】:我正在尝试从表中随机抽取 200 行,但首先我想过滤它以仅从变量中选择前 1% 的值。
我收到以下错误 -
编译语句时出错:FAILED: ParseException line 3:31 无法识别 'select' 'percentile_approx' '(' in 表达式规范
以下是我的查询-
> with sample_pop as (select * from
> mytable a where
> a.transaction_amount > (select
> percentile_approx(transaction_amount, 0.99) as top1
> from mytable) )
>
> select * from sample_pop distribute by rand(1) sort by rand(1) limit
> 200;
【问题讨论】:
【参考方案1】:我不认为 Hive 以您使用它们的方式支持标量子查询(仅适用于 IN
/EXISTS
)。所以把逻辑移到FROM
子句:
with sample_pop as (
select *
from mytable a cross join
(select percentile_approx(transaction_amount, 0.99) as top1
from mytable
) aa
where a.transaction_amount > aa.top1
)
select *
from sample_pop distribute by rand(1)
order by rand(1)
limit 200;
【讨论】:
谢谢戈登。这是有道理的,我试过你的查询,效果很好。感谢您的帮助!【参考方案2】:通过以下查询解决了我的问题 -
with sample_pop as (select a.* from
(
select *, cum_dist() over (order by transaction_amount asc) pct
from mytable
) a
where pct >= 0.99
)
select *
from sample_pop distribute by rand(1)
order by rand(1)
limit 200;
【讨论】:
以上是关于如何根据百分位数过滤表格,然后在 HQL 中随机抽样?的主要内容,如果未能解决你的问题,请参考以下文章