hive 用户自定义函数udf，udaf，udtf

Logan_addoil

于 2023-12-20 16:08:00 发布

阅读量801

点赞数 6

分类专栏：大数据学习之旅文章标签： hive hadoop 数据仓库

本文链接：https://blog.csdn.net/logan_addoil/article/details/135107087

版权

大数据学习之旅专栏收录该内容

23 篇文章 0 订阅

订阅专栏

本文介绍了如何在Hive中使用Java实现UDF和UDTF，包括自定义函数开发和jar包管理。同时，展示了如何利用awk、Python等其他语言进行transform操作，以及Python实现wordcount的map-reduce示例。

摘要由CSDN通过智能技术生成

udf：一对一的关系
udtf：一对多的关系
udaf：多对一的关系

使用Java实现步骤

自定义编写UDF函数注意：

1.需要继承org.apache.hadoop.hive.ql.exec.UDF
2.需要实现evaluete函数

编写UDTF函数注意：

1.需要继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF
2.实现 initialize, process, close三个方法

1.自定义实现一个大小写转换的函数（UDF）
在这里插入图片描述
执行mvn命令

将jar包上传到服务器上

在这里插入图片描述
上传之后，进入hive，添加jar包
add jar ///xxx.jar(jar包全路径)
创建临时函数
create temporary function upper_func as ‘org.example.Uppercase’;

之后，可以直接在查询中使用

transform方式

hive中除了使用Java编写udf，还可以使用transform，支持多种语言
例如：将表第一列与第二列用 _ （下划线）连接
1.Linux中的 awk
创建一个transform.awk
内容

{
	print $1"_"$2
}

在hive中使用add file 添加 transform.awk
然后就可以调用函数了
select transform(col1,col2) using “awk -f transform.awk” as (uu) from test_table limit 10;

2.使用python
在hive中使用 add file 添加 transform.py
使用命令调用函数
select transform(col1,col2) using “python transform.py” as (uu) from test_table limit 10;
3.基于python实现wordcount
整个过程模拟map 和 reduce
add file 上传 mapper.py 和 reduce.py
创建一张表，保存结果

create table word_cnt(
word string , 
cnt int)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t';

WITH map_cnt as  (
select transform(line) using "python mapper.py" as  word , cnt 
from docs  
cluster by word ),

insert  overwrite table word_cnt 
select transform(word,cnt) using "python reduce.py" as w, c  
from map_cnt