hive之udf/udaf/udtf

最新推荐文章于 2024-04-18 03:52:54 发布

吃鱼的羊

最新推荐文章于 2024-04-18 03:52:54 发布

阅读量1k

点赞数

分类专栏： HIVE

HIVE 专栏收录该内容

84 篇文章 5 订阅

订阅专栏

https://blog.csdn.net/erliang20088/article/details/78685409

目录
1、udf
2、udaf
3、udtf
4、练习题

详情
1、udf(user defined function)

背景
- 系统内置函数无法解决实际的业务问题，需要开发者自己编写函数实现自身的业务实现诉求。
- 应用场景非常多，面临的业务不同导致个性化实现很多，故udf很需要。
意义
- 函数扩展得到解决，极大丰富了可定制化的业务需求。
- IO要求-要解决的问题
  - in:out=1:1,只能输入一条记录当中的数据，同时返回一条处理结果。
  - 属于最常见的自定义函数，像cos,sin,substring,indexof等均是如此要求
- 实现步骤(Java创建自定义UDF类)
  - 自定义一个java类
  - 继承UDF类
  - 重写evaluate方法
  - 打包类所在项目成一个all-in-one的jar包并上传到hive所在机器
  - 在hive中执行add jar操作，将jar加载到classpath中。
  - 在hive中创建模板函数，使得后边可以使用该函数名称调用实际的udf函数
  - hive sql中像调用系统函数一样使用udf函数
- 代码实现
  - 功能要求：实现当输入字符串超过2个字符的时候，多余的字符以”…”来表示。
    - 如“12”则返回“12”，如“123”返回“12…”
  - 自定义类、继承UDF、重写evaluate方法已在代码中体现

package com.tianliangedu.hive.udf;
import org.apache.hadoop.hive.ql.exec.UDF;
/*
 * 功能：实现当输入字符串超过2个字符的时候，多余的字符以"..."来表示。
 * 输入/输出：* 如“12”则返回“12”，如“123”返回“12..."
 */
public class ValueMaskUDF extends UDF{
       public String evaluate(String input,int maxSaveStringLength,String replaceSign) {
             if(input.length()<=maxSaveStringLength){
                    return input;
             }
             return input.substring(0,maxSaveStringLength)+replaceSign;
       }
       public static void main(String[] args) {
             System.out.println(new ValueMaskUDF().evaluate("河北省",2,"..."));;
       }
}

布署步骤
- 打包并上传
  - 均采用maven管理打包的方式，maven pom配置项为：

<project xmlns="http://maven.apache.org/POM/4.0.0"; xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance";
       xsi:schemaLocation="http://maven.apache.org/POM/4.0.0http://maven.apache.org/xsd/maven-4.0.0.xsd";>
       <modelVersion>4.0.0</modelVersion>
       <groupId>com.tianliangedu.course</groupId>
       <artifactId>TlHadoopCore</artifactId>
       <version>0.0.1-SNAPSHOT</version>
                        <!-- 首先配置仓库的服务器位置,首选阿里云，也可以配置镜像方式，效果雷同 -->
   <repositories>
        <repository>
           <id>nexus-aliyun</id>
           <name>Nexus aliyun</name>
 <url>http://maven.aliyun.com/nexus/content/groups/public</url>
        </repository>
   </repositories>

       <dependencies>
             <!-- 引入hadoop-cli-2.7.4依赖 -->
             <dependency>
                    <groupId>org.apache.hadoop</groupId>
                    <artifactId>hadoop-client</artifactId>
                    <version>2.7.4</version>
                    <scope>provided</scope>
             </dependency>

             <dependency>
                    <groupId>org.apache.hive</groupId>
                    <artifactId>hive-cli</artifactId>
                    <version>1.2.1</version>
                    <scope>provided</scope>
             </dependency>

       </dependencies>
       <build>
             <finalName>TlHadoopCore</finalName>
             <plugins>
                    <plugin>
                          <artifactId>maven-assembly-plugin</artifactId>
                          <configuration>
                                 <descriptorRefs>
                                        <descriptorRef>jar-with-dependencies</descriptorRef>
                                 </descriptorRefs>
                          </configuration>
                          <executions>
                                 <execution>
                                       <id>make-assembly</id>
                                       <phase>package</phase>
                                       <goals>
                                              <goal>assembly</goal>
                                       </goals>
                                 </execution>
                          </executions>
                    </plugin>
                    <plugin>
                          <artifactId>maven-compiler-plugin</artifactId>
                          <version>2.3.2</version>
                          <configuration>
                                 <source>1.7</source>
                                 <target>1.7</target>
                                 <encoding>UTF-8</encoding>
                          </configuration>
                    </plugin>
             </plugins>
       </build>
</project>

maven打包操作
- 上传jar包至hive操作环境中
  - 进入到自己的所操作的hive环境目录中。
- rz命令上传至服务器上
- 加载jar包、声明函数、使用函数
  - 加载jar包
    - 进入到hive cli中（输入hive即可进入）
- 将jar包加入hive 交互中
  - add jar的shell
    add jar /home/hive/tianliangedu_course/04_udf/TlHadoopCore-jar-with-dependencies.jar;
  - 声明函数
    create temporary function mask as ‘com.tianliangedu.hive.udf.ValueMaskUDF’;
  - 使用函数

2、udaf（user defined aggregation function）

自定义udaf函数self_count，实现系统udaf count的功能
- Input/Output要求-要解决的问题
  - in:out=n:1,即接受输入N条记录当中的数据，同时返回一条处理结果。
    - 属于最常见的自定义函数，像count,sum,avg,max等均是如此要求
  - 实现步骤
  - 自定义一个java类
  - 继承UDAF类
  - 内部定义一个静态类，实现UDAFEvaluator接口
  - 实现方法init,iterate,terminatePartial,merge,terminate，共5个方法.
  - 在hive中执行add jar操作，将jar加载到classpath中。
  - 在hive中创建模板函数，使得后边可以使用该函数名称调用实际的udf函数
  - hive sql中像调用系统函数一样使用udaf函数
  - 代码实现
  - 功能要求：实现与hive原生的count相似的计数功能。
  如select count(1) from tablename 或者select key,count(1) from tablename group by key;
  - 源码

package com.tianliangedu.hive.udaf;
import org.apache.hadoop.hive.ql.exec.UDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.log4j.Logger;
/**
* 自行实现sql的count操作
*/
//主类继承UDAF
public class DIYCountUDAF extends UDAF {  
    //日志对象初始化,使访类有输出日志的能力
    public static Logger logger=Logger.getLogger(DIYCountUDAF.class);

    //静态类实现UDAFEvaluator
    public static class Evaluator implements UDAFEvaluator {  
        //设置成员变量，存储每个统计范围内的总记录数
        private int totalRecords;  
        //初始化函数,map和reduce均会执行该函数,起到初始化所需要的变量的作用
        public Evaluator() {  
            init();  
        }  
        //初始化，初始值为0,并日志记录下相应输出
        public void init() {  
            totalRecords = 0;  
            logger.info("init totalRecords="+totalRecords);
        }  
        //map阶段，返回值为boolean类型，当为true则程序继续执行，当为false则程序退出  
        public boolean iterate(String input) {
            //当input输入不为空的时候，即为有值存在,即为存在1行，故做+1操作
            if (input != null) {  
                totalRecords += 1;  
            }  
            //输出当前组处理到第多少条数据了
            logger.info("iterate totalRecords="+totalRecords);
            return true;  
        }  
        /**
         * 类似于combiner,在map范围内做部分聚合，将结果传给merge函数中的形参mapOutput  
         * 如果需要聚合，则对iterator返回的结果处理，否则直接返回iterator的结果即可
         */
        public int terminatePartial() {  
            logger.info("terminatePartial totalRecords="+totalRecords);
            return totalRecords;  
        }

        // reduce 阶段，用于逐个迭代处理map当中每个不同key对应的 terminatePartial的结果
        public boolean merge(int mapOutput) {  
            totalRecords +=mapOutput;  
            logger.info("merge totalRecords="+totalRecords);
            return true;  
        }  
        //处理merge计算完成后的结果，此时的count在merge完成时候，结果已经得出，无需再进一次对整体结果做处理，故直接返回即可
        public int terminate() {  
            logger.info("terminate totalRecords="+totalRecords);
            return totalRecords;  
        }  
    }  
}

布署步骤
- 跟udf完全一致
  - 加载jar包、声明函数、使用函数
    上述三步与udf基本一致。
    注意在使用时候是按跟count或sum一样的聚合函数去使用。
  - 加载与声明
  - 使用-全局self count
  - 使用-分组self count
  - 自定义udaf函数，实现多条学生成绩的合并
  - 业务需求
    - 数据输入
  - 数据输出
  - 代码

package com.tianliangedu.hive.udaf;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
import org.apache.hadoop.hive.ql.exec.UDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.log4j.Logger;
/**
* 实现多条数据合并成一条数据
*/
// 主类继承UDAF
public class StudentScoreAggUDAF extends UDAF {
    // 日志对象初始化
    public static Logger logger = Logger.getLogger(StudentScoreAggUDAF.class);
    // 静态类实现UDAFEvaluator
    public static class Evaluator implements UDAFEvaluator {
        // 设置成员变量，存储每个统计范围内的总记录数
        private Map<String, String> courseScoreMap;

        //初始化函数,map和reduce均会执行该函数,起到初始化所需要的变量的作用
        public Evaluator() {
            init();
        }
        // 初始化函数间传递的中间变量
        public void init() {
            courseScoreMap = new HashMap<String, String>();
        }

         //map阶段，返回值为boolean类型，当为true则程序继续执行，当为false则程序退出  
        public boolean iterate(String course, String score) {
            if (course == null || score == null) {
                return true;
            }
            courseScoreMap.put(course, score);
            return true;
        }
         /**
         * 类似于combiner,在map范围内做部分聚合，将结果传给merge函数中的形参mapOutput  
         * 如果需要聚合，则对iterator返回的结果处理，否则直接返回iterator的结果即可
         */
        public Map<String, String> terminatePartial() {
            return courseScoreMap;
        }
         // reduce 阶段，用于逐个迭代处理map当中每个不同key对应的 terminatePartial的结果
        public boolean merge(Map<String, String> mapOutput) {
            this.courseScoreMap.putAll(mapOutput);
            return true;
        }
        // 处理merge计算完成后的结果，即对merge完成后的结果做最后的业务处理
        public String terminate() {
            return courseScoreMap.toString();
        }
    }
}

* 布署过程与之前相同
* 测试脚本

select id,username,score_agg(course,score) from student_score group by id,username;
这里写图片描述
3、udtf(User-Defined Table-Generating Functions)

要解决一行输入多行输出的问题，问题的应用场景不少
- 用udtf解决一行输入多行输出的不多，往往被lateral view explode+udf等替代实现，比直接用udtf会更简单、直接一些
- 有兴趣同学可以学习标准的udtf如何写
- 本节由学员自学实现，如何用lateral view explode+udf替代udtf实现
  - lateral view explode+udf替代udtf应用案例
    - 需求：将一个array类型按列存储的学生成绩表，转变成按行来显示，学生名字超过2个字符的，后边用”…”来代替。
    - 数据准备
      - 学生成绩表
- 通过lateral view explode实现行转列

select id,name,score from test_array lateral view explode(score_array) score_table as score;

加入udf处理业务需求

select id,mask(name,2,'...'),score from test_array lateral view explode(score_array) score_table as score;

这里写图片描述
4、练习题
1、实现UDF，实现给定任意明文密码，返回md5加密后32位的密文密码。

场景
- 有用户密码表userinfo(id string,username string,password string);当下为空表。
- 利用动态插入数据insert into方法，
  将数据记录{id:”001”,username:”张三”,明文密码password:”123456”}插入到表userinfo中，
- 实际效果select * from userinfo的结果如下图，使用户看不到真实的用户密码。

001 张三 XXXXXXXXXXXXXXXXX

2、自定义UDAF名字为self_max，求取给定一整数值列表中的最大值函数max功能。

需求说明
- 数据样例：
- 系统自带的max函数使用

select id,username,max(score) from student_score group by id,username;
这里写图片描述

3、自定义UDAF名字为self_min，求取给定一整数值列表中的最小值函数min功能。

需求说明
- 数据样例
- 系统自带的min函数使用

select id,username,min(score) from student_score group by id,username;
这里写图片描述

吃鱼的羊

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
hive之udf/udaf/udtf

https://blog.csdn.net/erliang20088/article/details/78685409目录 1、udf 2、udaf 3、udtf 4、练习题详情 1、udf(user defined function)背景系统内置函数无法解决实际的业务问题，需要开发者自己编写函数实现自身的业务实现诉求。应用场景非常多，面临的业务不同导致个性化实现很多，故udf很需要。意义函数扩展...
复制链接

扫一扫