近些年大數據發展迅速，大數據生態圈也越來越豐富。使用sql進行數據分析時有個常用的組件叫 HIVE ，而阿里雲則提供了類似HIVE功能的商業雲服務，稱爲 maxcompute 。
今天記錄一下使用maxcompute sql從數據中隨機抽取n條樣本的方法。
假設有數據如下：
| id | name |
|---|---|
| 1 | 張三 |
| 2 | 李四 |
| 3 | 王五 |
| 4 | 龍傲天 |
| 5 | 劉斬仙 |
| 6 | 趙日天 |
我們想隨機從上表中抽取3條數據，應該怎麼寫？
假設表名爲tmp_table:
select id,name from tmp_table
order by rand() limit 3
這樣就能夠從表中隨機抽取3條數據了。假設我們運行的結果如下：
1 張三
3 王五
4 龍傲天
你可以嘗試反覆運行上面的sql，然後就會發現，每次運行的結果都是相同的，隨機抽取數據都是上面給的3條。爲什麼呢？
從sql來理解，上面的語句相當於生成了一個隨機序列，每條記錄都分配了一個隨機值，然後所有記錄按照隨機值排序，從排序結果中取前3條，以此達到隨機選擇的目的。
然後rand()方法產生隨機數需要使用隨機數種子，相同隨機數種子產生的隨機數永遠都是一樣的。當不傳遞隨機數種子時，函數將使用默認的固定隨機數種子，所以無論運行多少次，產生的隨機數都是固定的。
那要怎麼解決這個問題呢？傳入每次都會變化的隨機數種子就可以啦。比如選擇當前的時間戳：
select id,name from tmp_table
order by rand(unix_timestamp()) limit 3
現在，每次運行的結果都不一樣咯，搞定！
參考文章：