1， 使用hive标记random：（如果是mr，就自己标记random值）
use ps;
set mapred.job.priority=VERY_HIGH;
set mapred.job.map.capcity=300;
set mapred.reduce.tasks=200;
insert overwrite directory "*"
select url, count(1), min(link_found_time), rand()
from entry
where *=‘20151106‘
group by url;
2， 数据抽样：
在各个分区各使用小顶推实现top-N，
3， 得到top-N
TopN：使用小顶堆实现。
top-N 抽样
原文：http://www.cnblogs.com/i80386/p/5192428.html
