11.UDF在Hive和Impala中使用

11.1 实验环境介绍

• 集群环境正常运行
• 集群安装了Hive和Impala服务
• 操作系统：Redhat6.5
• CDH和CM版本为5.11.1
• 采用sudo权限的ec2-user用户进行操作

11.2 UDF函数开发——使用Intellij工具

• 使用Intellij工具开发Hive的UDF函数
• 通过Maven创建一个Java工程
  
• pom.xml文件中增加Hive包的依赖

<dependency>
  <groupId>org.apache.hive</groupId>
  <artifactId>hive-exec</artifactId>
  <version>1.1.0</version>
</dependency>

• 示例代码如下——Java

package com.peach.date;

import org.apache.hadoop.hive.ql.exec.UDF;
import java.text.ParseException;
import java.text.SimpleDateFormat;

/**
 * SQL的UDF日期相关工具类
 * Created by peach on 2017/8/24.
 */
public class DateUtils extends UDF {
    /**
     * 将日期字符串格式化为标准的日期格式
     * 如:
     * 2017-8-9 to 2017-08-09
     * 2017-08-09 9:23:3 to 2017-08-0909:23:03
     * @param sdate
     * @param pattern
     * @return
     */
    public static String evaluate(Stringsdate, String pattern) {
        String formatDate = sdate;
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        try {
            formatDate =sdf.format(sdf.parse(sdate));
        } catch (ParseException e) {
            e.printStackTrace();
        }
        return formatDate;
    }
}

• 此处需要集成UDF类，重写evaluate方法，来实现自定义函数。
• 编译jar包
  • 前提条件是已配置Maven的环境变量，命令行进入工程目录，执行如下命令：

mvn clean  package

11.3 Hive使用UDF

将11.2中编译好的sql-udf-utils-1.0-SNAPSHOT.jar上传到集群服务器

11.3.1 创建临时UDF

• 进入Hive的shell命令行，执行如下命令，创建临时函数

add jar  /home/ec2-user/sql-udf-utils-1.0-SNAPSHOT.jar;
create  temporary function parse_date as 'com.peach.date.DateUtils';

• 在命令行测试该UDF函数

select  parse_date(dates, 'yyyy-MM-dd HH:mm:ss') from date_test1;

11.3.2 创建永久UDF

• 在HDFS中创建相应目录，将sql-udf-utils-1.0-SNAPSHOT.jar包上传至该目录

[ec2-user@ip-172-31-8-141  ~]$ hadoop dfs -mkdir /udfjar
[ec2-user@ip-172-31-8-141  ~]$ hadoop dfs -put sql-udf-utils-1.0-SNAPSHOT.jar /udfjar

• 注意：目录udfjar和sql-udf-utils-1.0-SNAPSHOT.jar的权限，所属用户为hive
• 进入Hive的shell命令行，执行如下命令创建永久的UDF

create  function default.parse_date as 'com.peach.date.DateUtils' using jar  'hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar';

• 注意：在创建的时候如果带有数据库名，则该UDF函数只对该库生效，其它库无法使用该UDF函数。
• 在命令行测试该UDF

select  parse_date(dates, 'yyyy-MM-dd HH:mm:ss') from date_test1;

• 验证永久UDF函数是否生效
• 重新打开Hive CLI能正常使用创建的UDF函数

11.4 Impala使用Hive的UDF

• 在Impala shell命令行执行元数据同步命令

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000]  > invalidate metadata;

• 使用UDF函数

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000]  > select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1;

11.5 常见问题解决

1.通过Impala命令UDF使用异常

• 通过Impala CLI命令行，使用UDF自定义函数时异常

Connected to  ip-172-31-10-156.ap-southeast-1.compute.internal:21000
Server  version: impalad version 2.7.0-cdh5.10.2 RELEASE (build  38c989c0330ea952133111e41965ff9af96412d3)
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000]  > select parse_date(dates) from date_test1;
Query: select  parse_date(dates) from date_test1
Query  submitted at: 2017-08-24 12:51:44 (Coordinator:  http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)
ERROR:  AnalysisException: default.parse_date() unknown

• 解决方法：
  • 元数据未同步导致，执行如下命令进行元数据同步：

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000]  > invalidate metadata;

2.在Impala CLI命令行执行，异常如下

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000]  > select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1;
Query: select  parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1
Query  submitted at: 2017-08-24 13:02:14 (Coordinator:  http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)
ERROR: Failed  to copy  hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar  to /var/lib/impala/udfs/sql-udf-utils-1.0-SNAPSHOT.2386.2.jar:
Error(2): No  such file or directory

• 在Impala Daemon服务器上，目录不存在导致
• 解决方法：
  • 在所有Impala Daemon服务器创建/var/lib/impala/udfs目录
    • 注意：目录所属用户及组

[ec2-user@ip-172-31-10-156  lib]$ sudo mkdir -p impala/udf
[ec2-user@ip-172-31-10-156  lib]$ sudo chown -R impala:impala impala/

大数据视频推荐：
CSDN
大数据语音推荐：
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通