Выберите 30% каждого значения столбца

Question

Предположим, у нас есть таблица со столбцом «A», которая имеет значения от 0 до N. И я хочу выбрать 30% каждой строки, которые имеют одинаковое значение для столбца «A», ,

So if I have this: 
A| B 
------- 
0 hello 
0 test 
0 hi 
1 blah1 
1 blah2 
1 blah3 
1 blah4 
1 blah5 
1 blah6 

Result: 
A| B 
------- 
0 hello 
1 blah1 
1 blah4 

это может быть blah1 или любой другой мля, что не blah4 и blah4 может быть любой другой мля, что не blah1, в основном это может быть случайным или пропуск.

Кстати, фактический стол огромный, говорящий терабайт, поэтому подумайте о производительности.

Answer 1

попробовать что-то вроде этого:

DECLARE @YourTable table (A int, b varchar(10)) 
INSERT @YourTable VALUES (0, 'hello') --OP's data 
INSERT @YourTable VALUES (0, 'test') 
INSERT @YourTable VALUES (0, 'hi') 
INSERT @YourTable VALUES (1, 'blah1') 
INSERT @YourTable VALUES (1, 'blah2') 
INSERT @YourTable VALUES (1, 'blah3') 
INSERT @YourTable VALUES (1, 'blah4') 
INSERT @YourTable VALUES (1, 'blah5') 
INSERT @YourTable VALUES (1, 'blah6') 

;WITH NumberedRows AS 
( SELECT 
     A,B,ROW_NUMBER() OVER (PARTITION BY A ORDER BY A,B) AS RowNumber 
     FROM @YourTable 
) 
, GroupCounts AS 
( SELECT 
     A,MAX(RowNumber) AS MaxA 
     FROM NumberedRows 
     GROUP BY A 
) 
SELECT 
    n.a,n.b 
    FROM NumberedRows   n 
     INNER JOIN GroupCounts c ON n.A=c.A 
    WHERE n.RowNUmber<=(c.MaxA+1)*0.3 

ВЫВОД:

a   b 
----------- ---------- 
0   hello 
1   blah1 
1   blah2 

(3 row(s) affected) 

EDIT на основе великой идеи в комментарий от Андрей М

;WITH NumberedRows AS 
( SELECT 
     A,B,ROW_NUMBER() OVER (PARTITION BY A ORDER BY A,B) AS RowNumber 
      ,COUNT(*) OVER (PARTITION BY A) AS TotalOf 
     FROM @YourTable 
) 
SELECT 
    n.a,n.b 
    FROM NumberedRows   n 
    WHERE n.RowNumber<=(n.TotalOf+1)*0.3 
    ORDER BY A 

OUTPUT:

a   b 
----------- ---------- 
0   hello 
1   blah1 
1   blah2 

(3 row(s) affected) 

EDIT здесь "случайных" строки, используя Андрей М идею:

DECLARE @YourTable table (A int, b varchar(10)) 
INSERT @YourTable VALUES (0, 'hello') --OP's data 
INSERT @YourTable VALUES (0, 'test') 
INSERT @YourTable VALUES (0, 'hi') 
INSERT @YourTable VALUES (1, 'blah1') 
INSERT @YourTable VALUES (1, 'blah2') 
INSERT @YourTable VALUES (1, 'blah3') 
INSERT @YourTable VALUES (1, 'blah4') 
INSERT @YourTable VALUES (1, 'blah5') 
INSERT @YourTable VALUES (1, 'blah6') 

;WITH NumberedRows AS 
( SELECT 
     A,B,ROW_NUMBER() OVER (PARTITION BY A ORDER BY newid()) AS RowNumber 
     FROM @YourTable 
) 
, GroupCounts AS (SELECT A,COUNT(A) AS MaxA FROM NumberedRows GROUP BY A) 
SELECT 
    n.A,n.B 
    FROM NumberedRows   n 
     INNER JOIN GroupCounts c ON n.A=c.A 
    WHERE n.RowNUmber<=(c.MaxA+1)*0.3 
    ORDER BY n.A 

ВЫВОД:

a   b 
----------- ---------- 
0   hi 
1   blah3 
1   blah6 

(3 row(s) affected) 

Answer 2

Это использует только один вложенный запрос, и, таким образом, за один проход через набор ,

SELECT a 
    , b 
FROM 
    (
     SELECT A 
      , b 
      , ROW_NUMBER() 
       OVER( PARTITION BY A 
         ORDER BY b 
        ) r 
      , COUNT(b) 
       OVER( PARTITION BY A 
        ) ct 
     FROM @YourTable 
    ) n 
WHERE n.r <= n.ct * 0.3 

Как это делает, хотя это всегда возвращает верхний 3, если есть меньше, чем 10 и «дополнительные услуги» публиковался в первые бункера .:

SELECT A 
    , b 
FROM 
    (
     SELECT A 
      , b 
      , NTILE(10) 
       OVER( PARTITION BY a 
         ORDER BY b 
        ) tens       
     FROM @YourTable 

    ) n 
WHERE tens <= 3;