Hive自定义UDAF

Hive在查询数据时，有些聚类函数框架并没有提供实现，需要用户自定义实现，这称为UDAF(User-Defined Aggregation Function)。UDAF是针对多条记录的，通俗的讲就是多进一出。下面是实现UDAF的步骤：

1：函数类需要继承UDAF类，并且该函数类中必须提供一个实现了UDAFEvaluator接口的内部类。

2.内部类需要实现init()、iterate()、terminatePartial()、merge()、terminate()这几个函数。

2.1：init()函数实现接口UDAFEvaluator中的init()函数，主要是负责初始化计算函数并且重设其内部状态，一般就是重设其内部字段。一般在静态类中定义一个内部字段存放最终结果。

2.2：iterate()函数接收传入的参数，并进行内部轮转。其返回类型为boolean，每一次对一个新值进行聚集计算时候都会调用该方法，计算函数会根据聚集计算结果更新内部状态。当输入值合法或者正确计算了，则返回true。

2.3：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，Hive需要部分结果的时候会调用该方法，必须要返回一个封装了聚集计算当前状态的对象。

2.4：merge接收terminatePartial()的返回结果，进行数据merge()操作，其返回类型为boolean，Hive进行合并一个部分聚集和另一个部分聚集的时候会调用该方法。

2.5：terminate()返回最终的聚集函数结果，Hive最终聚集结果的时候会调用该方法。计算函数需要把状态作为一个值返回给用户。

注：部分聚集结果的数据类型和最终结果的数据类型可以不同。

示例：自定义一个求最大值的UDAF函数：

/**
 * UDAF是输入多个数据行，产生一个数据行
 * 用户自定义UDAF必须继承UDFA，必须提供一个实现了UDAFEvaluator接口的内部类
 * @author 廖*民
 * time : 2015年1月30日下午9:43:38
 * @version
 */
public class MaxiNumber extends UDAF{ 
    public static class MaxiNumberIntUDAFEvaluator implements UDAFEvaluator{ 
        //最终结果 
        private FloatWritable 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 
        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(FloatWritable value) 
        { 
            if(value==null) 
                return false; 
            if(result==null) 
              result=new FloatWritable(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 FloatWritable terminatePartial() 
        { 
            return result; 
        } 
        //合并两个部分聚集值会调用这个方法 
        public boolean merge(FloatWritable other) 
        { 
            return iterate(other); 
        } 
        //Hive需要最终聚集结果时候会调用该方法 
        public FloatWritable terminate() 
        { 
            return result; 
        } 
    } 
}

#打成jar包，上传到服务器。

#添加到Hive环境

hive (hive)> add jar /usr/local/src/maxi.jar;
Added /usr/local/src/maxi.jar to class path
Added resource: /usr/local/src/maxi.jar

#创建临时函数

hive (hive)> create temporary function maxNumber as 'com.lixue.udaf.MaxiNumber';
OK
Time taken: 0.018 seconds

#测试数据：求id的最大值

hive (hive)> select * from user;
OK
id	name
1	lavimer
2	liaozhongmin
3	liaozemin
100	hello
200	hadoop

#使用自定义的UDAF

hive (hive)> select maxNumber(id) from user;
//MapReduce...
OK
_c0
200.0
Time taken: 5.364 seconds

#删除UDAF

hive (hive)> drop temporary function maxNumber;
OK
Time taken: 0.03 seconds
hive (hive)>