Hive 内置函数&自定义UDF函数

Build-in 内置函数

官网 https://cwiki.apache.org/confluence/display/Hive/Home DML/Operators and UDFs

• 一些常用内置UDF、UDAF函数
  https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF

• UDTF函数，行列转换
  collect_list:配合group by 将多行数据收集为一个数组
  concat_ws 将多个拼接为一个
  split 将一个拆分成多个
  explode 栅列 函数

    # name	# course
    PK      MapReduce,Hive,Spark,Flink
    J       Hadoop,HBase,Kafka
    
    // 将以上数据，处理为：
    PK   MapReduce
    PK   Hive
    PK   Spark
    PK   Flink
    J   Hadoop
    J	  HBase
    J	  Kafka
  

使用 explode + split，将course列拆分后转成多行

	select  name, c
	from teacher_course
	lateral view
	explode(split(course,',')) tmp as c;

自定义函数

• UDF 一进一出。 如：upper lower substr
• UDAF 多进一出 。 如：sum …
• UDTF 一进多出。 如：explode

准备函数体并打jar包

• 创建maven工程导入依赖：

      <dependency>
           <groupId>org.apache.hivegroupId>
           <artifactId>hive-execartifactId>
           <version>3.1.2version>
      dependency>

• 创建 自定义UDF类继承自 UDF

// 自定义一个 add_random()函数，在传入的参数后增加一个随机整数
public class AddRandomUDF extends org.apache.hadoop.hive.ql.exec.UDF {
    static Random random = new Random();
    // 方法名必须是evaluate，打包后hive会设别和执行
    public String evaluate(String str){
        if (str == null){
            return null;
        }
        
        str += random.nextInt(10);
        return str;
    }
}

• maven package 打jar包到当前工程target下，上传此jar包至linux

    ~/lib/hive_demo-1.0-SNAPSHOT.jar
  

在hive中创建函数

方式一：临时函数 add jar

启动hive，并add jar

[liqiang@Gargantua bin]$ hive
hive > add jar /home/liqiang/lib/hive_demo-1.0-SNAPSHOT.jar;

创建临时函数：【作用当前会话】

hive > CREATE TEMPORARY FUNCTION add_random AS "com.gargantua.udf.AddRandomUDF";

现在可以在当前会话中同使用内置函数一样使用 add_random()

hive > select add_random('123') from my_table;

此方式需要在使用前 add jar 并 CREATE FUNCTION。可以将这两步命令写在文件中，启动hive同时指定初始化这个文件

[liqiang@Gargantua bin]$ hive -i [这个文件]

方式二：临时函数 auxlib/xxx.jar

• ${HIVE_HOME}/auxlib目录下的jar会自动被hive关联，于是可以省掉 add jar这一步。
  创建 auxlib 目录，并复制一份jar到 auxlib/

• 启动hive，并创建函数 【作用当前会话】

    hive > CREATE TEMPORARY FUNCTION add_random AS "com.gargantua.udf.AddRandomUDF";
  

方式三：持久函数

参考：
	CREATE FUNCTION [db_name.]function_name AS class_name  [USING JAR|FILE|ARCHIVE 'file_uri' [, JAR|FILE|ARCHIVE 'file_uri'] ];

• jar 包不能存在本地了。需要上传hdfs。

    [liqiang@Gargantua data]$ hdfs dfs -put ~/lib/hive_demo-1.0-SNAPSHOT.jar  /lib/
  

• 创建持久函数。 【作用所有会话】

    hive > CREATE FUNCTION  add_random AS "com.gargantua.udf.AddRandomUDF" 
    	   > USING JAR "hdfs://gargantua:9000/lib/hive_demo-1.0-SNAPSHOT.jar";
  

方式四：IDEA导入Hive源码编译并创建UDF

参考下一篇：https://blog.csdn.net/qq_45494908/article/details/122379634