Hive自定义函数

第一部分：产生背景 

产生背景 

•为了满足客户个性化的需求，Hive被设计成一个很开放的系统，很多内容都支持用户定制，包括： 

•文件格式：Text File，Sequence File 

•内存中的数据格式： Java Integer/String, Hadoop  IntWritable/Text 

•用户提供的 map/reduce 脚本：不管什么语言，利用 stdin/stdout 传输数据 

•用户自定义函数 

自定义函数 

•虽然Hive提供了很多函数，但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发 

•自定义函数包括三种UDF、UADF、UDTF 

•UDF(User-Defined-Function) 

•UDAF（User- Defined Aggregation Funcation） 

•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。  

HIVE中使用定义的函数的三种方式 

•在HIVE会话中add 自定义函数的jar文件，然后创建function，继而使用函数 

•在进入HIVE会话之前先自动执行创建function，不用用户手工创建 

•把自定义的函数写到系统函数中，使之成为HIVE的一个默认函数，这样就不需要create temporary function 

  

第二部分：UDF 

UDF用法 

•UDF(User-Defined-Function) 

•UDF函数可以直接应用于select语句，对查询结构做格式化处理后，再输出内容 

•编写UDF函数的时候需要注意一下几点 

•自定义UDF需要继承org.apache.hadoop.hive.ql.UDF 

•需要实现evaluate函数 

•evaluate函数支持重载 

•UDF只能实现一进一出的操作，如果需要实现多进一出，则需要实现UDAF 

UDF用法代码示例 

  

import org.apache.Hadoop.hive.ql.exec.UDF    

   public  class Helloword  extends UDF{    

      public String evaluate(){    

           return "hello world!";    

     }    

   

      public String evaluate(String str){    

           return "hello world: " + str;    

     }    

} 

开发步骤 

•开发代码 

•把程序打包放到目标机器上去 

•进入hive客户端 

•添加jar包：hive>add jar /run/jar/udf_test.jar; 

•创建临时函数：hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘ 

•查询HQL语句： 

•SELECT my_add (8, 9) FROM scores; 

•SELECT my_add (scores.math, scores.art) FROM scores; 

•销毁临时函数：hive> DROP TEMPORARY FUNCTION my_add ; 

•细节 

•在使用UDF的时候，会自动进行类型转换，例如： 
SELECT my_add (8,9.1) FROM scores; 

•结果是17.1，UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的 

第三部分：UDAF 

UDAF 

•Hive查询数据时，有些聚类函数在HQL没有自带，需要用户自定义实现 

•用户自定义聚合函数: Sum, Average…… n – 1 

•UDAF（User- Defined Aggregation Funcation）  

用法 

•一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator 

开发步骤 

•函数类需要继承UDAF类，内部类Evaluator实UDAFEvaluator接口 

•Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数 

a）init函数实现接口UDAFEvaluator的init函数。 

b）iterate接收传入的参数，并进行内部的轮转。其返回类型为boolean。 

c）terminatePartial无参数，其为iterate函数轮转结束后，返回轮转数据，terminatePartial类似于hadoop的Combiner。 

d）merge接收terminatePartial的返回结果，进行数据merge操作，其返回类型为boolean。 

e）terminate返回最终的聚集函数结果。 

执行步骤 

•执行求平均数函数的步骤 

a）将java文件编译成Avg_test.jar。 

b）进入hive客户端添加jar包： 

hive>add jar /run/jar/Avg_test.jar。 

c）创建临时函数： 

hive>create temporary function avg_test 'hive.udaf.Avg'; 

d）查询语句： 

hive>select avg_test(scores.math) from scores; 

e）销毁临时函数： 

hive>drop temporary function avg_test; 

  

UDAF代码示例 

public class MyAvg extends UDAF { 

  

public static class AvgEvaluator implements UDAFEvaluator { 

} 

public void init() {} 

public boolean iterate(Double o) {} 

public AvgState terminatePartial() {} 

public boolean terminatePartial(Double o) { } 

public Double terminate() {} 

  

} 

第四部分：UDTF 

UDTF 

•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。 

开发步骤 

•UDTF步骤： 

•必须继承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，对传入的参数进行处理，可以通过forword()方法把结果返回 

•最后close()方法调用，对需要清理的方法进行清理 

使用方法 

•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 

•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 

•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。 

lateral view 

• Lateral View语法 

•lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*   

  

•Lateral View用于UDTF(user-defined table generating functions)中将行转成列，例如explode(). 

•目前Lateral View不支持有上而下的优化。如果使用Where子句，查询可能将不被编译。解决方法见： 

     此时，在查询之前执行set hive.optimize.ppd=false; 

•  例子 

•pageAds。它有两个列 

string pageid	Array<int> adid_list
" front_page"	[1, 2, 3]
"contact_page "	[ 3, 4, 5]

•SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid; 

•将输出如下结果 

string pageid int adid 

"front_page" 1 

……. 

“contact_page" 3 

  

代码示例 

public class MyUDTF extends GenericUDTF{ 

public StructObjectInspector initialize(ObjectInspector[] args) {} 

public void process(Object[] args) throws HiveException { } 

} 

实现：切分 ” key:value;key:value;” 这种字符串， 返回结果为 key, value 两个字段 

转载【 http://sishuok.com/forum/blogPost/list/6226.html】