Hive学习之路 （二十四） UDF函数之UDTF（一出多）

一、前言：

之前说到了hive udf，https://blog.csdn.net/liu82327114/article/details/80670415

UDTF(User-Defined Table-Generating Functions) 用来解决 输入一行输出多行(On-to-many maping) 的需求。

二、具体开发步骤

继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF,实现initialize, process, close三个方法。

UDTF首先会调用initialize方法，此方法返回UDTF的返回行的信息（返回个数，类型）。

初始化完成后，会调用process方法,真正的处理过程在process函数中，在process中，每一次forward()调用产生一行；如果产生多列可以将多个列的值放在一个数组中，然后将该数组传入到forward()函数。

最后close()方法调用，对需要清理的方法进行清理。

1.创建maven工程

file->project structure->modules->点击+号->new module->选择maven

2、点击next，填写groupid（对应包结构）、artifactid（maven仓库对应的坐标）

source java 代码，操作如下图file->project structure，点击apply

3、 开始写java代码

###添加maven依赖

<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>0.13.1</version>
</dependency>

代码如下

import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import org.json.JSONArray;


import java.util.ArrayList;




public class helloudtf extends GenericUDTF {



@Override

// 可接收参数数组

public void process(Object[] objects) throws HiveException {
String input = objects[0].toString();
String[] result = new String[2];
result[0] = input;
result[1] = input+input;
String[] result1 = new String[2];
result1[0] = input+"a";
result1[1] = input+"a"+input;
forward(result);//一个forward 代表一行
forward(result1);


}
@Override
public StructObjectInspector initialize(ObjectInspector[] args)
throws UDFArgumentException {
if (args.length != 1) {
throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
}
if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
throw new UDFArgumentException("ExplodeMap takes string as a parameter");
}


ArrayList<String> fieldNames = new ArrayList<String>();
ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
fieldNames.add("col1");
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
fieldNames.add("col2");
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

//定义了行的列数和类型
return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
}
@Override
public void close() throws HiveException {


}
}

3.编包上传到hdfs

在此项目pom文件的路径下执行mvn clean install
将target文件中生成的jar文件上传到hdfs上，路径自己自定义，我直接上传到/。
sudo -u hdfs hdfs dfs -put testudf-1.0-SNAPSHOT.jar /

4.使用hivesql或者sparksql加载自定义函数

#在hive shell执行下面的代码
beeline -u jdbc:hive2://node113.leap.com:10000 -n hive
create function test.iptonum as 'com.liubl.helloudtf' using jar 'hdfs:///testudf-1.0-SNAPSHOT.jar';
#(com.liubl.HelloUdf为代码类的全路径自己去粘贴一下)

（测试sql见图）

四、UDTF的使用：

UDTF有两种使用方法，一种直接放到select后面，一种和lateral view一起使用。

1：直接select中使用：select explode_map(properties) as (col1,col2) from src;

不可以添加其他字段使用：select a, explode_map(properties) as (col1,col2) from src
不可以嵌套调用：select explode_map(explode_map(properties)) from src
不可以和group by/cluster by/distribute by/sort by一起使用：select explode_map(properties) as (col1,col2) from src group by col1, col2
2：和lateral view一起使用：select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;

此方法更为方便日常使用。执行过程相当于单独执行了两次抽取，然后union到一个表里。