我在redshift中有一个表，该表有一个名为ID的列，其中包含数百万个不同的条目。但是，每个ID可以跨行重复。我的表的一个示例是：
| ID | 颜色 | 年龄 | 高度 |
|---|---|---|---|
| 一种 | 蓝色 | 12 | 24 |
| 一种 | 红色的 | 3 | 34 |
| 乙 | 绿色的。 | 6 | 26 |
| 乙 | 蓝色 | 8 | 22 |
| C | 白色的 | 6 | 34 |
我想选择一个预设数量-例如100,000个不同的ID，以及与这些ID匹配的所有行。因此，如果随机选择ID“ A”，我将获得ID中具有“ A”的所有行（2）。
有关如何执行此操作的任何建议？
您可以join在子查询中使用并选择适当的ID：
select t.*
from t join
(select id
from t
group by id
order by random()
limit 1000000
) t1000000
on t1000000.id = t.id;
您可能会发现它更快，从而避免了排序。例如，如果您想要1％的ID样本，则：
select t.*
from t join
(select id
from t
group by id
having random() < 0.01
) t1000000
on t1000000.id = t.id
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句