https://blog.csdn.net/huagong_adu/article/details/7619665

https://www.jianshu.com/p/63f6cf19923d

https://www.cnblogs.com/snowInPluto/p/5996269.html

https://www.cnblogs.com/xudong-bupt/p/4053652.html

https://www.jianshu.com/p/51f7089c082b

概念：

在一个给定长度的数组中随机等概率抽取一个数据很容易，但如果面对的是长度未知的海量数据流呢？蓄水池采样(Reservoir Sampling)算法就是来解决这个问题的, 它在分析一些大数据集的时候非常有用。

场景说明：

应用场景场景说明：在一个海量广告数据中抽样100个query，其中特征包含pv（query的搜索次数）、adpv（出广告的搜索次数）、adshow（出广告之后的总共ad展示量）、click（点击数量）

蓄水池抽样：随机生成一个数(0,1)值u，令a = u^(1/pv)，取前100个大的a值。