Google bigquery RAND（）在BigQuery中是如何工作的？

我试图在BigQuery中找到最佳的抽样实践。我的数据集相当大（11B行），但分布倾向于倾斜。到目前为止，我一直在探索这两种选择：

散列-在这里，我对某个值进行散列以选择样本。这是一种非常简单的方法，其背后的机制也很清楚。 我的问题是关于第二种选择：

使用RAND（）函数。通过查看此处的BigQuery参考，我了解了如何使用它： 然而，我不知道这个函数到底是如何工作的

有没有人能对那里发生的背景情况多解释一下

非常感谢，

---

加洛里

我的答案将适用于BigQuery。RAND（）函数生成[0，1]范围内FLOAT64类型的伪随机值，包括0，不包括1。使用它进行采样的方式与使用FARM_FINGERPRINT函数的方式类似，但不需要指定任何现有密钥。RAND（）提供均匀分布，因此，如果某些列具有倾斜，则样本中预期会出现相同的倾斜。表中10%数据的采样示例：

SELECT * FROM Table WHERE RAND() < 0.1

从表中选择*，其中RAND（）<0.1