码迷,mamicode.com
首页 > 其他好文 > 详细

hadoop 蓄水池抽样 分布式抽样

时间:2015-09-01 01:37:24      阅读:351      评论:0      收藏:0      [点我收藏+]

标签:

#!/usr/bin/env python
# -*- coding=utf8 -*-

import sys
import os
import random

#input split 1565 
#>>> 3000000/1565.0
#1916.932907348243
#2000

K = 2000

pool = []
idxs = range(K)
i = 0

for line in sys.stdin:
    line = line.strip()
    if i < K:
        pool.append(line)
        i += 1
    else:
        p_i = 1.0 / i
        if random.random() < p_i:
            idx = random.choice(idxs)
            pool[idx] = line
        i += 1

print os.linesep.join(pool)

 

hadoop 蓄水池抽样 分布式抽样

标签:

原文地址:http://www.cnblogs.com/i80386/p/4774440.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!