自动化重复联合

Question

我是运行这样的查询：

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

这 return 是随机抽样。我可能有 class_1 中的 7 项和 class_2 中的 3 项。我想 return 每个 class 中的 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)

如果我想从十个 class 中随机抽样，而不是只从三个中抽样，这会变得很笨拙。做这个的最好方式是什么？

（我使用的是 Presto/Hive，因此对于这些引擎的任何提示都将不胜感激）。

Answer 1

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

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

Answer 2

我强烈建议添加 ORDER BY。无论如何，你可以这样做：

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

自动化重复联合

Automating Repeated Unions

sql

hive

presto