问下大数据计算MaxCompute odpssql 抽取样本数据会有重复数据是怎么回事啊？
问下大数据计算MaxCompute odpssql ORDER BY RAND() LIMIT 499472 抽取样本数据会有重复数据是怎么回事啊？
展开
收起
3
条回答
写回答
写回答
-
MaxCompute SQL的ORDER BY RAND()在执行时可能会导致重复数据，因为这不是真正的随机抽样。要无重复地抽取样本数据，可以使用SAMPLE关键字，如SAMPLE 0.01来获取1%的无偏样本。若需要特定数量的样本，可能需要多次采样并去重。如果需要确保无重复，您可以在外部应用中处理，例如通过UDF去重。
2024-07-05 16:37:26赞同 展开评论 打赏 -
-
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
MaxCompute（原ODPS）是一项面向分析的大数据计算服务，它以Serverless架构提供快速、全托管的在线数据仓库服务，消除传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您经济并高效的分析处理海量数据。
热门讨论
热门文章
大数据计算MaxCompute配置参数在开发环境进行调度，参数解析不出来，这是需要额外做什么配置吗？
731
MaxCompute中执行SQL报错ODPS-0130071
24248
Maxcompute中如何处理ODPS-0130071:Semantic analysis exce
1223
有知道maxcompute使用purge all命令后，后台标记为已删除的数据多久真实从磁盘删除嘛？
842
大数据计算MaxCompute钉钉机器人发报警webhook调用量到上限了，这个怎么处理？
378
sparksql中cte物化方式是怎样的
1390
遇到Maxcompute中出现下面问题怎么办
1299
大数据计算MaxCompute该字段类型从tinyint改为Int,怎么修改?
503
阿里云一个CU对应多少cpu和内存?
632
DataWorks失败：ODPS-0130071:[0,0]语义分析异常-物理计划生成失败？
627
展开全部
阿里云开源离线同步工具DataX3.0介绍
105573
盘古：阿里云飞天分布式存储系统设计深度解析
45079
odps是什么?
71784
MaxCompute执行作业慢的原因排查
24519
阿里云MaxCompute（大数据）公开数据集---带你玩转人工智能
24732
优酷背后的大数据秘密
22589
2017杭州云栖大会FAQ（持续更新中）
18548
Python+大数据计算平台，PyODPS架构手把手教你搭建
18098
【转载】时隔一年多，我又用起了 Superset
17510
[大数据新手上路]“零基础”系列课程--如何将ECS上的Hadoop数据迁移到阿里云数加·MaxCompute
15715
展开全部
