对于很是大的数据集,有时用户须要使用的是一个具备表明性的查询结果而不是所有结果。Hive能够经过对表进行抽样来知足这个需求。spa
查询表stu_buck中的数据。code
hive (default)> select * from stu_buck tablesample(bucket 1 out of 4 on id);
注:tablesample是抽样语句,语法:TABLESAMPLE(BUCKET x OUT OF y) 。blog
y必须是table总bucket数的倍数或者因子。hive根据y的大小,决定抽样的比例。io
例如,table总共分了4份,当y=2时,抽取(4/2=)2个bucket的数据,当y=8时,抽取(4/8=)1/2个bucket的数据。table
x表示从哪一个bucket开始抽取,若是须要取多个分区,之后的分区号为当前分区号加上y。class
例如,table总bucket数为4,tablesample(bucket 1 out of 2),表示总共抽取(4/2=)2个bucket的数据,抽取第1(x)个和第3(x+y)个bucket的数据。select
注意:x的值必须小于等于y的值,不然语法
FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck数据