您应该使用带有WITHREPLACEOFFALSE的sample函数，例如，您可以使用：

val sampledData=df.sample(withReplacement=false,0.5)

但这并不能保证精确地提供给定数据集总数的一小部分。为此，在通过sample函数获得采样数据之后，取采样数据的x实体。

withreplacement=>“false”的示例函数总是选择不同的行 df1.sample(false, 0.1).show() 示例（带替换的布尔值，双分数）
考虑以下示例：
其中，withreplacement=>“true”提供了可以通过计数验证的重复行，但withreplacement=>“false”没有。

import org.apache.spark.sql.functions._
val df1 = ((1 to 10000).toList).zip(((1 to 10000).map(x=>x*2))).toDF("col1", "col2")
// df1.sample(false, 0.1).show()

println("Sample Count for with Replacement : " +  df1.sample(true, 0.1).count)
println("Sample Count for with Out Replacement : " +  df1.sample(false, 0.1).count)
df1.sample(true, 0.1).groupBy($"col1", $"col2").count().filter($"count">1).show(5)
df1.sample(false, 0.1).groupBy($"col1", $"col2").count().filter($"count">1).show(5)

Sample Count for with Replacement : 978
Sample Count for with Out Replacement : 973
+----+-----+-----+
|col1| col2|count|
+----+-----+-----+
|7464|14928|    2|
|6080|12160|    2|
|6695|13390|    2|
|3393| 6786|    2|
|2137| 4274|    2|
+----+-----+-----+
only showing top 5 rows

+----+----+-----+
|col1|col2|count|
+----+----+-----+
+----+----+-----+