Sql HIVE中的限制子句真的是随机的吗？

HIVE的

注意到

LIMIT

子句

返回随机选择的行

。我在一个表上运行了一个

SELECT

表，该表包含超过800000条

LIMIT 1

记录，但它总是返回相同的记录

我正在使用

Shark

发行版，我想知道这是否与这种不期望的行为有关？如有任何想法，将不胜感激

谢谢，

---

Visakh

尽管文档中声明它随机返回行，但事实并非如此

它返回数据库中显示的“随机选择的行”，不带任何where/ORDERBY子句。这意味着它并不像您所想的那样是随机的（或随机选择的），只是无法确定返回行的顺序

只要您在那里按x DESC limit 5添加一个

order，它就会返回您从中选择的任何内容的最后5行

要获取随机返回的行，您需要使用如下命令：
orderbyrand（）LIMIT 1

但是，如果索引设置不正确，它可能会对速度产生影响。通常，我会执行一个min/max来获取表上的ID，然后在它们之间执行一个随机数，然后选择那些记录（在您的情况下，只有一条记录），这往往比让数据库完成工作要快，尤其是在一个大数据集上，以确保您想要使用的安全

从表中选择*

按兰特分发（）

按兰德排序（）

上限为10000

自该问题最初于2014年发布以来，文档可能已经更新，但截至2017年12月，文档现在显示“以下查询返回5个任意客户”

在这种情况下，“任意”意味着选择的方法不是确定性的，或者可能不值得费心去记录。换句话说，您不应该指望它是获取特定记录子集（例如，用于采样）的可靠方法。如果您正在寻求方便，并且希望尽快获得一个小的结果集（例如，出于QA目的），则只应使用没有Order By子句的Limit子句。否则，请根据需要使用Order By、Cluster By或Distribute By/Sort By中的一种。
我不知道配置单元，因此我不会回答。在大多数RDBMS中，在使用LIMIT时声明的随机性是由于这样一个事实，即您获得的行取决于优化器决定如何获得它们。换句话说，如果需要特定的行，则需要显式地声明它（通常使用ORDERBY）。这并不意味着每次执行查询时引擎都在滚动，只是意味着您不能期望结果总是相同的。在这种情况下，您认为创建一个序列，分配给输出记录，然后随机选择一个更好吗？您知道从任何RDBMS检索真正随机记录的任何行业标准方法吗？似乎
HIVE
支持
RAND（）
。因此，我认为通过执行
orderbyrand（）
，然后执行
LIMIT 1
，就可以完成这项工作。谢谢你……我刚刚在
Shark
上看到了同样的情况，索引无论如何都不受支持。而且我的表是缓存的，所以现在性能不是问题…：-）您能解释一下这一点吗？这与
orderbyrand（）
有何不同？