在这种情况下，我创建了一个包含100行的hive表“test”。
当我启动hive终端并输入以下SQL时
select * from test tablesample(2 percent);
它返回3行数据;
但是当我在下面添加“create table as Select”时。
create table sample as select * from test tablesample(2 percent);
我发现“样本”表中有100行。
我不知道为什么。
非常感谢。
Documentation表示，TABLESAMPLE (n PERCENT)将允许Hive获取至少n％的数据大小（注意它不一定意味着行数）作为输入。如果我们无法对其进行采样，则MapReduce作业的输入将是整个表/分区。我们在HDFS块级别进行，因此采样粒度是块大小。例如，如果块大小为256MB，即使n％的输入大小仅为100MB，也会获得256MB的数据。
不幸的是，它不保证每次获取相同的块，总row_count可以变化。
我建议增加百分比并添加limit n以保证返回n行。或者只是使用limit n：
select * from test tablesample(5 percent) limit 100; --may perform faster
要么
select * from test limit 100;
当然，限制的效率低于tablesample，因为限制适用于reducer，也许tableample和limit的组合将允许可接受的性能。