自动化重复并集答案

【问题标题】：Automating Repeated Unions自动化重复并集
【发布时间】：2019-10-04 00:56:14
【问题描述】：

我正在运行这样的查询：

SELECT id FROM table
WHERE table.type IN (1, 2, 3)
LIMIT 15

这将返回随机抽样。我可能有来自class_1 的 7 个项目和来自class_2 的 3 个项目。我想从每个类中准确返回 5 个项目，并且以下代码有效：

SELECT id FROM (
SELECT id, type FROM table WHERE type = 1 LIMIT 5
UNION
SELECT id, type FROM table WHERE type = 2 LIMIT 5
UNION ...
ORDER BY type ASC)

如果我想从 10 个类中随机抽样，而不是只从 3 个类中随机抽样，这将变得笨拙。做这个的最好方式是什么？

（我正在使用 Presto/Hive，因此对于这些引擎的任何提示将不胜感激）。

【问题讨论】：

使用LIMIT 而不使用ORDER BY 意义不大。
@TheImpaler 你说得对，这只是随机抽样。试图使它尽可能简单的例子

标签： sql hive presto

【解决方案1】：

使用row_number 之类的函数来执行此操作。这使得选择与类型的数量无关。

SELECT id,type
FROM (SELECT id, type, row_number() over(partition by type order by id) as rnum --adjust the partition by and order by columns as needed
      FROM table
     ) T 
WHERE rnum <= 5

【讨论】：

【解决方案2】：

我强烈建议添加ORDER BY。无论如何，您可以执行以下操作：

with
x as (
  select
    id,
    type,
    row_number() over(partition by type order by id) as rn
  from table
)
select * from x where rn <= 5

【讨论】：