Hive自定义函数（UDF）

UDF：User-Defined Function自定义函数

看下官方文档：

官方文档上说：UDF是一个自定义函数，和hive一起使用，一个新的UDF类需要继承UDF这个父类

org.apache.hadoop.hive.ql.udf.generic.GenericUDF

GenericUDF提供了更多的灵活性和更复杂的成本。

扩展该UDF类的要求是：实现一个或多个evaluate方法，该方法有hive调用，通过设置一个制定的UDFMethodResolver，可以配置解析要调用的方法的具体方法，

上面是UDF的一些类库，同时上面还说了，evaluate永远不应是是一个void 方法，当它有需要的可以返回一个null，返回的类型和方法参数可以是java类型的或者是hadoop类型的数据

该类的一个实例将在每个JVM中实例化，并且不会并发调用。

下面来看一个分割字符串的小案例：

public class CountToolUDF extends UDF { public IntWritable evaluate(Text votetools){ String value = votetools.toString(); if (StringUtils.isBlank(value)) { return new IntWritable(0); } int length = value.split(";").length; return new IntWritable(length); } public static void main(String[] args) { Text text = new Text("PyCharm;RapidMiner;Weka;Java;Python;SQL language;Open Source Hadoop Tools;SQL on Hadoop tools"); System.out.println(new CountToolUDF().evaluate(text)); } }

由案例可以看出我自定义了UDF函数继承了UDF这个父类，并实现了它的方法都是 evaluate();同时呢我设置了返回值为hadoop的数据类型，这是有原因的：因为UDF要和hive一起使用，而hive是作用在hadoop上的，而且它执行的程序是MapReduce程序，省去了一个转化功能，减少了时间，节约了资源。如果用java的数据类型最后还需要转化成hadoop数据类型，这样不利于资源的节省。