Hive UDF UDTF UDAF 函数

1、UDF（时间格式转换）

// 1、定义一个类继承UDF，然后添加一个方法，ecaluate，这个方法的参数和返回值类型和函数的输入输出一致
// 2、把项目打包成jar，然后放到hive的classpath下，或者add jar
// 3、在hive里面新建一个funcation,然后指定到我们新建的类型 create function MyDateParser as'hadoop.Hive.UDF.MyDateParser'
// 4、使用方法：select MyDateParser(time)  from apache_log limit 10 ;
public class MyDateParser extends UDF{

		// hive自定义函数，继承UDF类之后，还需要定义一个evaluate方法，
		// 这个方法的函数和hive函数接收放入参数个数和数据类型一致
		// 方法的返回值和hive函数的返回值类型一样、
		// 这里接收 [29/April/2016:17:38:20 +0800]
		// 返回结果  ：2016-4-20 20:40:39
		
	public String evaluate(String s) {
		SimpleDateFormat sdf = new SimpleDateFormat("dd/MMMM/yyyy:HH:mm:ss Z",Locale.ENGLISH) ;
			if(s.indexOf("[")>-1){
				s = s.replace("[", "") ;
			}
			if(s.indexOf("]")>-1){
				s= s.replace("]", "") ;
			}
		
		try {
			// 将输入的String转换为date数据类型
			Date date = sdf.parse(s) ;
			SimpleDateFormat rsdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss") ;
			return rsdf.format(date) ;
		} catch (ParseException e) {
			e.printStackTrace();
			return "" ;
		}
		
	}
}

2、UDTF（对Apache Access log 的url解析）

public class MyUdtf extends GenericUDTF {

	@Override
	public void process(Object[] args) throws HiveException {
		String input = args[0].toString() ;
		input = input.replace("\"", "");
		String[] result = input.split(" ") ;
		// 如果解析错误或者失败，则返回三个字段都是"--"
		if(result.length!=3){
			result[0] ="--" ;
			result[1] ="--" ;
			result[2] ="--" ;
		}else{ 
			// 用于打印输出
			forward(result) ;
		}
	}

	@Override
	public void close() throws HiveException {
		// 用于关闭资源
	}

	@Override
	public StructObjectInspector initialize(ObjectInspector[] argOIs) 
												throws UDFArgumentException {
		if(argOIs.length!=1){
			throw new UDFArgumentException("参数不正确") ;
		}
		ArrayList fileName = new ArrayList() ;
		ArrayList fileOis = new ArrayList() ;
		
		// 添加返回字段设置
		fileName.add("rcol1") ;
		fileOis.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector) ;
		
		fileName.add("rcol2") ;
		fileOis.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector) ;
		
		fileName.add("rcol3") ;
		fileOis.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector) ;
		
		// 将返回字段设置到UDTF的返回值类型中
		return ObjectInspectorFactory.getStandardStructObjectInspector(fileName, fileOis) ;
	}
}

3、UDAF（对流量进行聚合）

public class MyUDAF extends UDAF {
	public static class MaxNumberUDAFEvaluator implements UDAFEvaluator {
		private IntWritable result;
		public void init() {
			result = null;
		}

		// 聚合的多行的被聚合的值都会调用一次iterate方法，所以这个方法里面我们定义聚合规则
		public boolean iterate(IntWritable value) {
			if (value == null) {
				return false;
			}
			if (result == null) {
				result = new IntWritable(value.get());
			} else {
				// 需求是求出流量最大值，在这里进行流量值得比较，将最大值放入result
				result.set(Math.max(result.get(), value.get()));
			}
			return true;
		}

		// hive需要部分聚合结果时会调用该方法，返回当前的result作为hive取部分聚合值得结果
		public IntWritable terminatePartial() {
			return result;
		}

		// 聚合值，新行未被处理的值会调用merge加入聚合，在这里直接调用上面定义的聚合规则方法iterate
		public boolean merge(IntWritable other) {
			return iterate(other);
		}

		// hive需要最终聚合结果是调用方法，返回聚合的最终个结果
		public IntWritable terminate() {
			return result;
		}
	}
}

附：部分数据格式

27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/faq.gif HTTP/1.1" 200 1127
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /data/cache/style_1_widthauto.css?y7a HTTP/1.1" 200 1292
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/hot_1.gif HTTP/1.1" 200 680
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/hot_2.gif HTTP/1.1" 200 682
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/filetype/common.gif HTTP/1.1" 200 90
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /source/plugin/wsh_wx/img/wsh_zk.css HTTP/1.1" 200 1482
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /data/cache/style_1_forum_index.css?y7a HTTP/1.1" 200 2331
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /source/plugin/wsh_wx/img/wx_jqr.gif HTTP/1.1" 200 1770
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/recommend_1.gif HTTP/1.1" 200 1028
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/logo.png HTTP/1.1" 200 4542