原文地址:http://www.haogongju.net/art/1959415
Hive自定义generic(通用)函数,性能比simple性能高,同时能处理simple不能处理的问题,如:simple不能处理Hive的struct结构。
一、GenericUDF
1.UDF首先将输入数据转化为对应的ObjectInspectors对象
2.Hive自带的很多函数都是使用GenericUDF,例如:collect_set,Max,Count等等
3.UDF输入是单行数据,产生一个数据输出。
编写GenericUDF步骤:
1.继承GenericUDF类,实现以下3个方法:
public ObjectInspector initialize(ObjectInspector[] arguments)public Object evaluate(DeferredObject[] arguments)public String getDisplayString(String[] children)
2.initialize方法在SQL调用UDF函数中,首先被调用,它完成下面4件事:
(1)验证输入的类型是否预期输入
(2)设置返回值,设置返回一个与预期输出类型相符的ObjectInspector ,假设需要返回的是一个string类型,由于string类型对应的分布式类型是TextWritable,所以在initialize返回的类型是
return PrimitiveObjectInspectorFactory.writableStringObjectInspector;
(3)存储在全局变量的ObjectInspectors元素的输入
(4)设置存储变量的输出
其中第三步不是必须的,因为全局变量能在evaluate方法中以局部变量的形式声明并处理,但是在initialize存储全局变量,只需要初始化一次。
3.evaluate方法:处理函数从输入到输出的逻辑,返回函数处理预期结果的值
(1)第一步:将输入值,声明局部变量通过initialize方法判断合法的变量存储。
(2)第二步:处理函数逻辑,将输入通过代码逻辑得到结果并返回。
其中,Hive中的变量类型与Java中的变量类型的匹配:
hive类型 | java类型 |
array<> | ArrayList<> |
struct<> | Object |
其他类似于hadoop的变量类型,如:string对应hadoop 的TextWritable等等。
4.getDisplayString方法
(1)用于explain sql的时候,方便查看其返回的格式
(2)类似于java的toString方法
案例分析:
该案例实现,输入一个用户编号user_id,一个游戏列表game_list,输出是用户与随机游戏列表中的一款游戏,以逗号分隔:user_id,game,在hive外层使用split函数将其划分,得到用户随机的一款游戏。
源码分析:
import java.util.List;import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.StandardListObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import org.apache.hadoop.io.Text;
/**
* 随机用户匹配游戏列表中的一款游戏**
@author huzhirong
**/
public class UDFRandomUidGame extends GenericUDF {
//声明全局输入变量
StandardListObjectInspector dimGameListOI;
ObjectInspector uidOI;
//声明输出变量
private final Text text = new Text();
//处理业务逻辑
@Override
public Object evaluate(DeferredObject[] vals) throws HiveException {
text.clear();
Text uid = (Text) vals[0].get();
Text seq = new Text(",");
@SuppressWarnings("unchecked")
List<Text> list = (List<Text>)dimGameListOI.getList(vals[1].get());
Text game = list.get((int) (Math.random() * list.size()));
text.append(game.getBytes(), 0, game.getLength());
text.append(seq.getBytes(), 0, seq.getLength());
text.append(uid.getBytes(), 0, uid.getLength());
return text;
}
//类似于java的toString方法,hive中在使用explain的时候调用该方法
@Overridepublic String getDisplayString(String[] args) {
StringBuilder sb = new StringBuilder();
if (args != null && args.length > 0) {
for (String arg : args) {
sb.append(arg).append(',');
}
}
if (sb.length() > 0) {
sb.setCharAt(sb.length() - 1, ')');
} else {
sb.append(')');
}
sb.insert(0, "random_list_element(");
return sb.toString();
}
@Override
public ObjectInspector initialize(ObjectInspector[] ois) throws UDFArgumentException {
uidOI = (ObjectInspector)ois[0];
dimGameListOI = (StandardListObjectInspector)ois[1];
//返回值类型
return PrimitiveObjectInspectorFactory.writableStringObjectInspector;
}
}