(6)Hive 高级编程——深入浅出学Hive

转自：http://sishuok.com/forum/blogPost/list/6220.html

第一部分：产生背景
产生背景
•为了满足客户个性化的需求，Hive被设计成一个很开放的系统，很多内容都支持用户定制，包括：
•文件格式：Text File，Sequence File
•内存中的数据格式： Java Integer/String, Hadoop  IntWritable/Text
•用户提供的 map/reduce 脚本：不管什么语言，利用 stdin/stdout 传输数据
•用户自定义函数
自定义函数
•虽然Hive提供了很多函数，但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发
•自定义函数包括三种UDF、UADF、UDTF
•UDF(User-Defined-Function)
•UDAF（User- Defined Aggregation Funcation）
•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。 
HIVE中使用定义的函数的三种方式
•在HIVE会话中add 自定义函数的jar文件，然后创建function，继而使用函数
•在进入HIVE会话之前先自动执行创建function，不用用户手工创建
•把自定义的函数写到系统函数中，使之成为HIVE的一个默认函数，这样就不需要create temporary function
 
第二部分：UDF
UDF用法
•UDF(User-Defined-Function)
•UDF函数可以直接应用于select语句，对查询结构做格式化处理后，再输出内容
•编写UDF函数的时候需要注意一下几点
•自定义UDF需要继承org.apache.hadoop.hive.ql.UDF
•需要实现evaluate函数
•evaluate函数支持重载
•UDF只能实现一进一出的操作，如果需要实现多进一出，则需要实现UDAF
UDF用法代码示例
 
import org.apache.Hadoop.hive.ql.exec.UDF   
   public  class Helloword  extends UDF{   
      public String evaluate(){   
           return "hello world!";   
     }   
  
      public String evaluate(String str){   
           return "hello world: " + str;   
     }   
}
开发步骤
•开发代码
•把程序打包放到目标机器上去
•进入hive客户端
•添加jar包：hive>add jar /run/jar/udf_test.jar;
•创建临时函数：hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘
•查询HQL语句：
•SELECT my_add (8, 9) FROM scores;
•SELECT my_add (scores.math, scores.art) FROM scores;
•销毁临时函数：hive> DROP TEMPORARY FUNCTION my_add ;
•细节
•在使用UDF的时候，会自动进行类型转换，例如： 
SELECT my_add (8,9.1) FROM scores;
•结果是17.1，UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的
第三部分：UDAF
UDAF
•Hive查询数据时，有些聚类函数在HQL没有自带，需要用户自定义实现
•用户自定义聚合函数: Sum, Average…… n – 1
•UDAF（User- Defined Aggregation Funcation） 
用法
•一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator
开发步骤
•函数类需要继承UDAF类，内部类Evaluator实UDAFEvaluator接口
•Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数
a）init函数实现接口UDAFEvaluator的init函数。
b）iterate接收传入的参数，并进行内部的轮转。其返回类型为boolean。
c）terminatePartial无参数，其为iterate函数轮转结束后，返回轮转数据，terminatePartial类似于hadoop的Combiner。
d）merge接收terminatePartial的返回结果，进行数据merge操作，其返回类型为boolean。
e）terminate返回最终的聚集函数结果。
执行步骤
•执行求平均数函数的步骤
a）将java文件编译成Avg_test.jar。
b）进入hive客户端添加jar包：
hive>add jar /run/jar/Avg_test.jar。
c）创建临时函数：
hive>create temporary function avg_test 'hive.udaf.Avg';
d）查询语句：
hive>select avg_test(scores.math) from scores;
e）销毁临时函数：
hive>drop temporary function avg_test;
 
UDAF代码示例
public class MyAvg extends UDAF {
 
public static class AvgEvaluator implements UDAFEvaluator {
}
public void init() {}
public boolean iterate(Double o) {}
public AvgState terminatePartial() {}
public boolean terminatePartial(Double o) { }
public Double terminate() {}
 
}
第四部分：UDTF
UDTF
•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。
开发步骤
•UDTF步骤：
•必须继承org.apache.Hadoop.hive.ql.udf.generic.GenericUDTF
•实现initialize, process, close三个方法
•UDTF首先会
•调用initialize方法，此方法返回UDTF的返回行的信息（返回个数，类型） 
初始化完成后，会调用process方法，对传入的参数进行处理，可以通过forword()方法把结果返回
•最后close()方法调用，对需要清理的方法进行清理
使用方法
•UDTF有两种使用方法，一种直接放到select后面，一种和lateral view一起使用
•直接select中使用：select explode_map(properties) as (col1,col2) from src;
•不可以添加其他字段使用：select a, explode_map(properties) as (col1,col2) from src
•不可以嵌套调用：select explode_map(explode_map(properties)) from src
•不可以和group by/cluster by/distribute by/sort by一起使用：select explode_map(properties) as (col1,col2) from src group by col1, col2
•和lateral view一起使用：select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;
此方法更为方便日常使用。执行过程相当于单独执行了两次抽取，然后union到一个表里。
lateral view
• Lateral View语法
•lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*  
 
•Lateral View用于UDTF(user-defined table generating functions)中将行转成列，例如explode().
•目前Lateral View不支持有上而下的优化。如果使用Where子句，查询可能将不被编译。解决方法见：
     此时，在查询之前执行set hive.optimize.ppd=false;
•  例子
•pageAds。它有两个列
string pageid
Array adid_list
" front_page"
[1, 2, 3]
"contact_page "
[ 3, 4, 5]
•SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;
•将输出如下结果
string pageid int adid
"front_page" 1
…….
“contact_page" 3
 
代码示例
public class MyUDTF extends GenericUDTF{
public StructObjectInspector initialize(ObjectInspector[] args) {}
public void process(Object[] args) throws HiveException { }
}
实现：切分 ” key:value;key:value;” 这种字符串， 返回结果为 key, value 两个字段