Hive UDAF开发

Hive进行UDAF开发，相对要比UDF复杂一些，不过也不是很难。


请看一个例子


package org.hrj.hive.udf;


import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;


 


public class UDAFSum_Sample extends NumericUDAF {
    public static class Evaluator implements UDAFEvaluator {
        private boolean mEmpty;
        private double mSum;
        public Evaluator() {
            super();
            init();
        }


        public void init() {
            mSum = 0;
            mEmpty = true;
        }


        public boolean iterate(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }


        public DoubleWritable terminatePartial() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }


        public boolean merge(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }


        public DoubleWritable terminate() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }
    }
}


 


1.将java文件编译成Sum_Sample.jar


2.进入hive


hive> add jar Sum_sample.jar;


hive> create temporary function sum_test as 'com.hrj.hive.udf.UDAFSum_Sample';


hive> select sum_test(t.num) from t;


hive> drop temporary function sum_test;


hive> quit;


 


关于UDAF开发注意点：


1.需要import org.apache.hadoop.hive.ql.exec.UDAF以及org.apache.hadoop.hive.ql.exec.UDAFEvaluator,这两个包都是必须的


2.函数类需要继承UDAF类，内部类Evaluator实现UDAFEvaluator接口


3.Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数


    1）init函数类似于构造函数，用于UDAF的初始化


    2）iterate接收传入的参数，并进行内部的轮转。其返回类型为boolean


    3）terminatePartial无参数，其为iterate函数轮转结束后，返回乱转数据，iterate和terminatePartial类似于hadoop的Combiner


    4）merge接收terminatePartial的返回结果，进行数据merge操作，其返回类型为boolean

    5）terminate返回最终的聚集函数结果