Hive学习笔记之--Hive 高级编程<转>

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，如：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表，它有两个列：

string pageid	Array<int> adid_list
"  front_page"	[1, 2, 3]
"contact_page   "	[   3, 4, 5]

--查询

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

--再如下面的查询

hive> select name,subordinates from employees;

Mary Smith      ["Bill King"]
John Doe        ["Mary Smith","Todd Jones"]
Todd Jones      []

hive> select name,sub from employees lateral view explode(subordinates) adTable as sub;

Mary Smith      Bill King
John Doe        Mary Smith
John Doe        Todd Jones

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