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UDTF4.1 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 <dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-exec</artifactId> <version>1.1.1</version> </dependency> 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(); } } 4.5 UDTF函数编写1)UDTF限制(----后面为原文解析),官网地址: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<String> fieldNames = new ArrayList<>(); List<ObjectInspector> 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
4.6 UDTF使用 select myudtf(name) from t_user效果如下: 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
select t1.id,t2.col from t_user t1 lateral view myudtf(name) t2 as collateral 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
1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,会注明原创字样,如未注明都非原创,如有侵权请联系删除!;3.作者投稿可能会经我们编辑修改或补充;4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |
标签: #hive #udf函数编写 #需求42 #项目pom文件43 #Hive建表测试及数据44 #UDF函数编写45