编写此命令

sudo -u hdfs hdfs dfs -cat "path of csv file" |head -n 50

50为行数（用户可根据需要定制）

这个 head 以及 tail linux上的命令分别显示前10行和后10行。但是，这两个命令的输出不是随机采样的，它们的顺序与文件本身相同。
linux洗牌- shuf 命令帮助我们生成输入行的随机排列&将此命令与hadoop命令结合使用会很有帮助，如下所示： $ hadoop fs -cat <file_path_on_hdfs> | shuf -n <N> 因此，在这种情况下，如果 iris2.csv 是hdfs上的一个文件，您希望从数据集中随机抽取50行： $ hadoop fs -cat /file_path_on_hdfs/iris2.csv | shuf -n 50 注：linux sort 也可以使用命令，但是 shuf 命令更快，随机采样数据更好。

hadoop fs -cat  /user/hive/warehouse/vamshi_customers/* |tail

我认为头部部分是按照@viacheslav rodionov发布的答案工作的很好，但对于尾部部分，我发布的一个工作的很好。

本地头

hadoop fs -cat /your/file | head

在这里是有效的，因为猫将关闭流一旦头部将完成阅读所有的行。
为了获得尾部，hadoop中有一个特别有效的命令：

hadoop fs -tail /your/file

不幸的是，它返回数据的最后千字节，而不是给定的行数。

我对hdfs集群上的avro文件使用tail和cat，但是结果没有以正确的编码打印出来。我试过这个，效果很好。

hdfs dfs -text hdfs://<path_of_directory>/part-m-00000.avro | head -n 1

将1更改为更高的整数以从avro文件打印更多样本。

工作代码：

hadoop fs -cat /tmp/a/b/20200630.xls | head -n 10

hadoop fs -cat /tmp/a/b/20200630.xls | tail -3

你也可以在hadoop中使用head命令！语法应该是

hdfs dfs -cat <hdfs_filename> | head -n 3

这将只打印文件中的三行。

我的建议是将数据加载到配置单元表中，然后可以执行以下操作：

SELECT column1, column2 FROM (
    SELECT iris2.column1, iris2.column2, rand() AS r
    FROM iris2
    ORDER BY r
) t
LIMIT 50;

编辑：这是该查询的更简单版本：

SELECT iris2.column1, iris2.column2
FROM iris2
ORDER BY rand()
LIMIT 50;

hdfs dfs -cat yourFile | shuf -n <number_of_line>

将为你做的把戏。虽然它不适用于mac os。您可以安装gnu coreutils。