Hive 自定义函数 UDF UDTF UDAF

Hive 自定义函数 UDF UDTF UDAF

• UDF：用户定义（普通）函数，只对单行数值产生作用；

  UDF只能实现一进一出的操作。

  定义udf 计算两个数最小值
  
  public class Min extends UDF {
  
          public Double evaluate(Double a, Double b) {
  
              if (a == null)
                  a = 0.0;
              if (b == null)
                  b = 0.0;
              if (a >= b) {
                  return b;
              } else {
                  return a;
              }
          }
      }
      
   
  a）把程序打成jar包
  
  b）添加jar包：add jar /run/jar/udf_test.jar;
  
  c）创建临时函数：hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';
  
  d）销毁临时函数：hive> DROP TEMPORARY FUNCTION add_example;
  

• UDTF：User-Defined Table-Generating Functions，用户定义表生成函数

  用来解决输入一行输出多行

  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,真正的处理过程在process函数中，在process中，每一次forward()调用产生一行；如果产生多列可以将多个列的值放在一个数组中，然后将该数组传入到forward()函数。
  
  最后close()方法调用，对需要清理的方法进行清理
  

  例子：切分”key:value;key:value”字符串，返回结果为key, value两个字段。
  import java.util.ArrayList;
  
   import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
   import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
   import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
   import org.apache.hadoop.hive.ql.metadata.HiveException;
   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 ExplodeMap extends GenericUDTF{
  
       @Override
       public void close() throws HiveException {
           // TODO Auto-generated method stub    
       }
  
       @Override
       public StructObjectInspector initialize(ObjectInspector[] args)
               throws UDFArgumentException {
           if (args.length != 1) {
               throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
           }
           if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
               throw new UDFArgumentException("ExplodeMap takes string as a parameter");
           }
  
           ArrayList fieldNames = new ArrayList();
           ArrayList fieldOIs = new ArrayList();
           fieldNames.add("col1");
           fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
           fieldNames.add("col2");
           fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
  
           return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
       }
  
       @Override
       public void process(Object[] args) throws HiveException {
           String input = args[0].toString();
           String[] test = input.split(";");
           for(int i=0; i

  a）把程序打成jar包
  
  b）添加jar包：add jar /run/jar/udf_test.jar;
  
  c）创建临时函数：CREATE TEMPORARY FUNCTION explode_map AS 'cn.itcast.hive.udtf.ExplodeMap';
  
  d）销毁临时函数：hive> DROP TEMPORARY FUNCTION add_example;
  

  udtf的使用：

  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。
  
  create table src(properties String);
  	
  	vi src.txt
  	key1:value1;key2:value2;
  	
  load data local inpath '/root/hivedata/src.txt' into table src;
  
  1：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;
   
  
  
  2：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;
  

• UDAF：User- Defined Aggregation Funcation；用户定义聚合函数，可对多行数据产生作用；

  等同与SQL中常用的SUM()，AVG()，也是聚合函数；

  UDAF实现多进一出

  UDAF实现有简单与通用两种方式：
  import org.apache.hadoop.hive.ql.exec.UDAF;
  import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
  import org.apache.hadoop.io.IntWritable;

//UDAF是输入多个数据行，产生一个数据行
//用户自定义的UDAF必须是继承了UDAF，且内部包含多个实现了exec的静态类
public class MaxiNumber extends UDAF {
public static class MaxiNumberIntUDAFEvaluator implements UDAFEvaluator {
// 最终结果
private IntWritable result;

    // 负责初始化计算函数并设置它的内部状态，result是存放最终结果的
    @Override
    public void init() {
        result = null;
    }

    // 每次对一个新值进行聚集计算都会调用iterate方法
    public boolean iterate(IntWritable value) {
        if (value == null)
            return false;
        if (result == null)
            result = new IntWritable(value.get());
        else
            result.set(Math.max(result.get(), value.get()));
        return true;
    }

    // Hive需要部分聚集结果的时候会调用该方法
    // 会返回一个封装了聚集计算当前状态的对象
    public IntWritable terminatePartial() {
        return result;
    }

    // 合并两个部分聚集值会调用这个方法
    public boolean merge(IntWritable other) {
        return iterate(other);
    }

    // Hive需要最终聚集结果时候会调用该方法
    public IntWritable terminate() {
        return result;
    }
}

}