Hive自定义UDF函数详解 |
您所在的位置：网站首页 › hive 转换函数 › Hive自定义UDF函数详解 |
Hive自定义UDF函数详解
|
Hive自定义UDF函数详解 一、UDF概述 二、UDF种类 三、如何自定义UDF 四、自定义实现UDF和UDTF 4.1 需求 4.2 项目pom文件 4.3 Hive建表测试及数据 4.4 UDF函数编写 4.5 UDTF函数编写 4.6 UDTF使用 一、UDF概述 UDF全称：User-Defined Functions，即用户自定义函数，在Hive SQL编译成MapReduce任务时，执行java方法，类似于像MapReduce执行过程中加入一个插件，方便扩展。 二、UDF种类UDF：操作单个数据行，产生单个数据行； UDAF：操作多个数据行，产生一个数据行； UDTF：操作一个数据行，产生多个数据行一个表作为输出； 三、如何自定义UDF1.编写UDF函数，UDF需要继承org.apache.hadoop.hive.ql.exec.UDF，UDTF继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF，UDAF使用比较少，这里先不讲解 2.将写好的类打包为jar，如HiveUDF-1.0.jar，并且上传到Hive机器或者HDFS目录 3.入到Hive shell环境中，输入命令add jar /home/hadoop/HiveUDF-1.0.jar注册该jar文件；或者把HiveUDF-1.0.jar上传到hdfs，hadoop fs -put HiveUDF-1.0.jar /home/hadoop/HiveUDF-1.0.jar，再输入命令add jar hdfs://hadoop60:8020/home/hadoop/HiveUDF-1.0.jar； 4.为UDF类起一个别名，create temporary function myudf as ‘com.master.HiveUDF.MyUDF’；注意，这里UDF只是为这个Hive会话临时定义的； 5.在select中使用myudf()； 四、自定义实现UDF和UDTF 4.1 需求1）UDF，自定义一个函数，并且实现把列中的数据由小写转换成大写 2）UDTF，拆分一个表中的name字段，以|为分割，分成不同的列，如下所示： 表中的数据为： id name 1 Ba|qz 2 xa要拆分成如下格式： id name 1 Ba 1 qz 2 xa 4.2 项目pom文件 org.apache.hive hive-exec 1.1.1 4.3 Hive建表测试及数据create table if not exists t_user ( id int, name string ) clustered by (id) into 2 buckets row format delimited fields terminated by '|' stored as orc TBLPROPERTIES('transactional'='true');向Hive表中插入数据: insert into t_user values(1,'Ba|qz'); insert into t_user values(1,'xa'); 4.4 UDF函数编写UDF函数需要继承org.apache.hadoop.hive.ql.exec.UDF类，并且添加evaluate方法，原因是：UDF类默认的UDFMethodResolver是org.apache.hadoop.hive.ql.exec.DefaultUDFMethodResolver，evaluate方法是在DefaultUDFMethodResolver中进行配置,默认绑定的是evaluate方法。 添加evaluate有两个注意事项： 1）evaluate方法遵循重载的原则，参数是用户自定义的，调用那个方法调用是在使用函数时候的参数决定。 2）evaluate方法必须有返回值，返回类型以及方法参数可以是Java数据或相应的Writable类。具体实现： public class MyUDF extends UDF { public String evaluate(String s) { if (s == null) { return ""; } return s.toUpperCase(); } } https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-Built-inTable-GeneratingFunctions(UDTF)在UDTF中Select里面不能有其他语句----No other expressions are allowed in SELECT/SELECT pageid, explode(adid_list) AS myCol… is not supported UDTF不能被嵌套----UDTF’s can’t be nested/SELECT explode(explode(adid_list)) AS myCol… is not supported UDTF不支持GROUP BY / CLUSTER BY / DISTRIBUTE BY / SORT BY----GROUP BY/ CLUSTER BY/ DISTRIBUTE BY/ SORT BY is not supported/SELECT explode(adid_list) AS myCol … GROUP BY myCol is not supported 继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF，实现initialize，process，close三个方法。 2）注意事项 initialize方法制定了返回的列名及数据类型（forward写入数据的类型是一个数组，对应着initialize定义的列名），可以返回多个，在List里面对应即可。函数列名调用的时侯通过：myudtf(col,col1) t1 as co1,col2来使用列名。 3）实现 import java.util.ArrayList; import java.util.List; import org.apache.hadoop.hive.ql.exec.UDFArgumentException; import org.apache.hadoop.hive.ql.metadata.HiveException; import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF; import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector; import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory; import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector; import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory; public class MyUDTF extends GenericUDTF { @Override public StructObjectInspector initialize(ObjectInspector[] argOIs) throws UDFArgumentException { List fieldNames = new ArrayList(); List fieldTypes = new ArrayList(); fieldNames.add("col"); fieldTypes.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector); return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldTypes); } @Override public void process(Object[] args) throws HiveException { String col = args[0].toString(); String[] cols = col.split("\\|"); for (String c : cols) { String[] results = new String[1]; results[0] = c; forward(results); } } @Override public void close() throws HiveException { } }4）在Hive Shell中添加临时函数 上传到Linux目录，然后用add jar来添加路径 hive>add jar /home/hadoop/hivetest/HiveUDF-1.0.jar创建临时函数： hive>create temporary function myudf as "com.master.HiveUDF.MyUDF"; hive>create temporary function myudtf as "com.master.HiveUDF.MyUDTF" 5）UDF使用 select myudf(name) from t_user;效果如下 效果如下：
lateral view用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合 |
但是貌似没有和前面的数据结合，这时候，需要用lateral view来操作，语句如下
【本文地址】
今日新闻 |
推荐新闻 |