liyuxia

摘要： 之前也有写过从随机N条记录中选取M个随机记录的算法，但当时考虑的是N已知情形。（http://www.cnblogs.com/liyuxia713/archive/2012/05/25/2540709.html）若N未知，该怎么办呢？ 有个算法是 蓄水池抽样算法，reservoir sample。什么情况下N未知呢？ 比如记录个数特别多，在用集群处理的时候~ 方法介绍参考：http://handspeaker.iteye.com/blog/1167092下面是awk实现：#!/bin/shawk -F '\t' 'BEGIN{ sample_num=100000 idx 阅读全文