Hive系列（六）Hive内置函数与自定义函数（总结）--自从有了UDF--我：就这？？

Hive函数：

Hive函数分类：

从输入输出角度分类：

• 标准函数
• 聚合函数
• 表生成函数

从实现方式分类：

• 内置函数：
• 自定义函数：
  • UDF
  • UDAF
  • UDTF

Hive内置函数：

• 标准函数：

  • 字符函数：

• 类型转换函数：

  返回值	类型转换函数	描述
  "type"	cast(expr as )	将expr转换成type类型 如：cast(“1” as BIGINT) 将字符串1转换成了BIGINT类型
  binary	binary(string|binary)	将输入的值转换成二进制

• 数学函数：

• 日期函数：
  

• 集合函数：

  返回值	函数	描述
  int	size(Map)	返回map中键值对个数
  int	size(Array)	返回数组的长度
  array	map_keys(Map)	返回map中的所有key
  array	map_values(Map)	返回map中的所有value
  boolean	array_contains(Array, value)	如该数组Array包含value返回true。，否则返回false
  array	sort_array(Array)	对数组进行排序

• 条件函数：

  返回值	函数	描述
  T	if(boolean testCondition, T valueTrue, T valueFalseOrNull)	如果testCondition 为true就返回valueTrue,否则返回valueFalseOrNull
  T	nvl(T value, T default_value)	value为NULL返回default_value,否则返回value
  T	COALESCE(T v1, T v2, …)	返回第一非null的值，如果全部都为NULL就返回NULL
  T	CASE a WHEN b THEN c [WHEN d THEN e] [ELSE f] END*	如果a=b就返回c,a=d就返回e，否则返回f
  T	CASE WHEN a THEN b [WHEN c THEN d] [ELSE e] END*	如果a=ture就返回b,c= ture就返回d,否则返回e
  boolean	isnull( a )	如果a为null就返回true，否则返回false
  boolean	isnotnull ( a )	如果a为非null就返回true，否则返回false

• 聚合函数：

• 表生成函数：

  返回值	函数	描述
  N rows	explode(array)	对于array中的每个元素生成一行且包含该元素
  N rows	explode(MAP)	每行对应每个map键值对 其中一个字段是map的键，另一个字段是map的值
  N rows	posexplode(ARRAY)	与explode类似，不同的是还返回各元素在数组中的位置
  N rows	stack(INT n, v_1, v_2, …, v_k)	把k列转换成n行，每行有k/n个字段，其中n必须是常数
  tuple	json_tuple(jsonStr, k1, k2, …)	从一个JSON字符串中获取多个键并作为一个元组返回，与get_json_object不同的是此函数能一次获取多个键值

Hive的UDF：-user-defined function

JAVA操作过程：

UDF开发流程

• 继承UDF类或GenericUDF类

• 重写evaluate()方法并实现函数逻辑

• 编译打包为jar文件

• 复制到正确的HDFS 路径

• 使用jar创建临时/永久函数

  • 临时函数

    -- 临时函数仅对当前session(黑窗口)有效。 
    -- 添加jar包的两种方法 :
      	    临时加入jar包的命令
              方法一： add jar /home/hadoop/lib/hive-1.0-SNAPSHOT.jar; 
              方法二： 在hive的文件夹下面创建auxlib文件夹，将jar包上传到auxlib文件夹下面，重启hive。 
  

  语法：
  	CREATE TEMPORARY FUNCTION function_name AS class_name;   
  -- function_name函数名
  -- class_name 类路径，包名+类名 
  

  • 永久函数—必须上传到HDFS上，hive是基于hadoop的

  --创建永久函数的语法: 
              CREATE FUNCTION [db_name.]function_name AS class_name 
              [using jar +FILE|ARCHIVE 'file_uri' [, JAR|FILE|ARCHIVE 'file_uri'] ]; 
  --# file_uri:是hdfs上的jar包目录 
  --添加jar包的两种方法: 
              -- hdfs上的根目录下创建lib文件夹  
              [hadoop@hadoop002 lib]$ hadoop fs -mkdir /lib  
  

  --创建永久函数：  
              hive> CREATE FUNCTION sayhello AS 'com.ruozedata.bigdata.HelloUDF' USING JAR 'hdfs://hadoop002:9000/lib/hive-1.0-SNAPSHOT.jar'; 
              converting to local hdfs://hadoop002:9000/lib/hive-1.0-SNAPSHOT.jar 
              Added [/tmp/22d50f26-5227-479e-9319-cb28985b8f5d_resources/hive-1.0-SNAPSHOT.jar] to class path 
              Added resources: [hdfs://hadoop002:9000/lib/hive-1.0-SNAPSHOT.jar] 
  

• 调用函数

HiveUDAF:用户自定义聚合函数：-user-defined aggregate function

JAVA操作过程：

---

HiveUDTF:用户自定义表生成函数：-user-defined aggregate function

JAVA操作过程：

• 写出函数继承GenericUDTF类，完成–输入一行–输出多行–的功能

• initialize来确定列名，列数量和列类型。

  @Override
  	public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
  		// 设置新列名和列数量
  		List<String> column = new ArrayList<>();
  		column.add("like1");
  		// 设置每列的列类型
  		List<ObjectInspector> columnsType = new ArrayList<>();
  		columnsType.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
  		return ObjectInspectorFactory.getStandardStructObjectInspector(column,columnsType);
  	}
  

• process来处理将一列拆成多列或者多行，形成临时表格

  	@Override
  	public void process(Object[] objects) throws HiveException {
  		// 将一列拆成两列  摔回去objects第一个数值是列值，object其他参数是该列的其他参数
  		String [] res = objects[0].toString().split(",");
  		for (String re : res) {
  			forward(new Object[]{re});
  		}
  	}
  

ps:以后我们可以让一列的奇葩数据在java底层割成多个数组,慢慢匹配

例：zs.23;play,sleep friend

• close关闭

	@Override
	public void close() throws HiveException {}

explode是特殊的UDTF函数，一列拆多行

使用UDTF甚至可以做到一列拆多列 | 一列拆多行 | 一列拆多列多行

---

UDF | UDAF | UDTF 区别：

UDF:返回对应值，一对一

UDAF：返回聚类值，多对一

UDTF：返回拆分值，一对多

Hive宏函数：

由于UDF是Java编写的，代码中堆变量的内存回收完全不受开发者控制，而UDF程序又是嵌套在Hive SQL中执行的，对规模较大的表，就往往会出现由于UDF内存回收不及时造成的out-of-memory错误。因此，在生产环境中，UDF是严格受限的

大多数不需要循环结构的逻辑，基本上都可以用宏来处理

创建宏函数：

create temporary macro macro_name([col_name col_type, ...])
expression;

宏的局限性：

• 宏只能是临时宏，只在本次会话中可见、有效