hadoop - WHERE 置換と組み合わせたハイブ IN サブセレクトクエリの変換

Question

IN クエリを半左結合に置き換える必要があることは知っていますが (例: Hive does not support in, exists. How do I write the following query? )、それを WHERE 句と組み合わせる方法がわかりません。 :

SELECT * 
          from foo 
          WHERE userId IN 
             (SELECT distinct(userId) FROM foo WHERE x=true ORDER BY RAND() LIMIT 100);

ありがとう。

編集：クエリを変更しました。目的は、エントリのランダムサンプルを作成することです (統計的に)。

score 2 · Accepted Answer

（完全を期すために別のアプローチを投稿しています。）

テーブルから一連のレコードをサンプリングするには、Hive のTABLESAMPLE構文を使用できます。たとえば、使用する 100 個の個別の userId のランダムサンプルを選択します。

SELECT userId 
FROM (SELECT DISTINCT(userId) as userId FROM foo) f
TABLESAMPLE(100 ROWS);

この構文を使用すると、さまざまな方法でサンプルサイズを指定できます。以下も有効です。

SELECT userId 
FROM (SELECT DISTINCT(userId) as userId FROM foo) f
TABLESAMPLE(1 PERCENT);

userId のサンプルを取得したら、Manuel Aldana の以前の回答を使用して、元のテーブルから対応するレコードを選択できます。

hadoop - WHERE 置換と組み合わせたハイブ IN サブセレクト クエリの変換