蓄水池（Reservoir_sampling）抽样算法简记

摘要

　　1.适用场合

　　2.算法简介

　　3.代码例子

　　4.Spark RangePartitioner 中的应用（待补充）

内容

1.适用场合：从包含n个项目的集合S中选取k个样本，其中n为一很大或未知的数量，尤其适用于不能把所有n个项目都存放到主内存的情况。

2.算法简介：

1. 从S中抽取首k项放入「水塘」中
2. 对于每一个S[i]项（i ≥ k）：
3. 随机产生一个范围0到i的整数r
4. 若 r < k 则把水塘中的第r项换成S[i]项

　　深入:papers

　

3.代码例子：

4.Spark RangePartitioner 中的应用（待补充）