1. 什么是Hive UDF
Hive是基于Hadoop中的MapReduce,提供HQL查询的数据仓库。Hive是一个很开放的系统,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: Substr, Trim
- 用户自定义聚合函数: Sum, Average
- 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
2. UDF用法
- 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
- 自定义UDF需要继承org.apache.hadoop.hive.ql.UDF
- 自定义的UDF需要实现UDF的evaluate方法
- UDF的evaluate方法支持重载,即可以定义多个evaluate方法,这个方法参数列表与用户调用UDF函数时提供的方法参数一致即可
3.自定义函数UDF实现举例
package org.apache.hadoop.hive.ql.udf;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;
import org.apache.hadoop.hive.serde2.io.HiveDecimalWritable;
public abstract class UDFMath extends UDF {
private final DoubleWritable doubleWritable = new DoubleWritable();
public UDFMath() {
}
/**
* For subclass to implement.
*/
public abstract DoubleWritable evaluate(DoubleWritable a);
/**
* Convert HiveDecimal to a double and call evaluate() on it.
*/
public final DoubleWritable evaluate(HiveDecimalWritable writable) {
if (writable == null) {
return null;
}
double d = writable.getHiveDecimal().bigDecimalValue().doubleValue();
doubleWritable.set(d);
return evaluate(doubleWritable);
}
}
package org.apache.hadoop.hive.ql.udf;
import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.hive.ql.exec.vector.VectorizedExpressions;
import org.apache.hadoop.hive.ql.exec.vector.expressions.gen.FuncSinDoubleToDouble;
import org.apache.hadoop.hive.ql.exec.vector.expressions.gen.FuncSinLongToDouble;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;
import org.apache.hadoop.hive.serde2.io.HiveDecimalWritable;
/**
* UDFSin.
*
*/
@Description(name = "sin",
value = "_FUNC_(x) - returns the sine of x (x is in radians)",
extended = "Example:\n "
+ " > SELECT _FUNC_(0) FROM src LIMIT 1;\n" + " 0")
@VectorizedExpressions({FuncSinLongToDouble.class, FuncSinDoubleToDouble.class})
public class UDFSin extends UDFMath {
private final DoubleWritable result = new DoubleWritable();
public UDFSin() {
}
/**
* Take Sine of a.
*/
public DoubleWritable evaluate(DoubleWritable a) {
if (a == null) {
return null;
} else {
result.set(Math.sin(a.get()));
return result;
}
}
}
上面是自定义了一个求正玄的UDF函数
4. 如何使用自定义函数UDF
- 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 /user/hadoop/udf.math.sin.jar;
- 创建临时函数:
hive>CREATE TEMPORARY FUNCTION math.sin AS 'org.apache.hadoop.hive.ql.udf.UDFSin';
- 查询临时函数
SELECT math.sin(3.14) FROM word;
- 销毁临时函数:
hive> DROP TEMPORARY FUNCTION math.sin;
5. 永久注册UDF到Hive
- 找到以下文件: ql/src/java/org/apache/hadoop/hive/ql/exec/FunctionRegistry.java
- 添加新的注册函数myfunc
org.apache.hadoop.hive.ql.udf.UDFMath
org.apache.hadoop.hive.ql.udf.UDFSin
添加注册函数的语句
registerFunction("udf_math_sina", UDFSin.class)