hive创建java函数_创建 hive 用户自定义函数UDF,UDTF,UDAF

1. 创建 Maven 工程

org.apache.hive

hive-exec

2.7.5

org.apache.hadoop

hadoop-common

2.7.5

org.apache.maven.plugins

maven-compiler-plugin

3.0

1.8

1.8

UTF-8

2. 开发 Java 类集成 UDF

/**

* @Author hwj

* @Date 2020/8/5 20:15

* @Desc: 模拟hive的upper方法：将字符串的第一个字母转大写，其它不变

**/

public class MyUDF extends UDF {

public Text evaluate(final Text line){

if(line.toString()!=null&& ! line.toString().equals("")){

String str=line.toString().substring(0,1).toUpperCase()+line.toString().substring(1);

return new Text(str);

}

return new Text("");

}

}

3. 项目打包，并上传到hive的lib目录下

cd /export/servers/apache-hive-2.1.1-bin/lib

4. 添加jar包

重命名 jar 包

mv hive_udf_upper-1.0-SNAPSHOT.jar Upper.jar

hive 客户端添加 jar包

add jar /export/servers/apache-hive-2.1.1-bin/lib/Upper.jar;

5. 设置函数与我们的自定义函数关联

create temporary function Upper as 'pers.hwj.udf.MyUDF';

6. 使用自定义函数

select Upper('hwj2020');

7. UDTF：User-Defined Table-Generating Functions，用户定义表生成函数

用来解决输入一行输出多行

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

例子：切分”key:value;key:value”字符串，返回结果为key, value两个字段。

import java.util.ArrayList;

import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;

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.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;

public class ExplodeMap extends GenericUDTF{

@Override

public void close() throws HiveException {

// TODO Auto-generated method stub

}

@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 fieldNames = new ArrayList();

ArrayList fieldOIs = new ArrayList();

fieldNames.add("col1");

fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

fieldNames.add("col2");

fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);

}

@Override

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

String input = args[0].toString();

String[] test = input.split(";");

for(int i=0; i

try {

String[] result = test[i].split(":");

forward(result);

} catch (Exception e) {

continue;

}

}

}

}

a)把程序打成jar包

b)添加jar包：add jar /run/jar/udf_test.jar;

c)创建临时函数：CREATE TEMPORARY FUNCTION explode_map AS 'cn.itcast.hive.udtf.ExplodeMap';

d)销毁临时函数：hive> DROP TEMPORARY FUNCTION add_example;

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。

create table src(properties String);

vi src.txt

key1:value1;key2:value2;

load data local inpath '/root/hivedata/src.txt' into table src;

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;

UDAF：User- Defined Aggregation Funcation；用户定义聚合函数，可对多行数据产生作用；

等同与SQL中常用的SUM()，AVG()，也是聚合函数；

UDAF实现多进一出

UDAF实现有简单与通用两种方式：

import org.apache.hadoop.hive.ql.exec.UDAF;

import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;

import org.apache.hadoop.io.IntWritable;

//UDAF是输入多个数据行，产生一个数据行

//用户自定义的UDAF必须是继承了UDAF，且内部包含多个实现了exec的静态类

public class MaxiNumber extends UDAF {

public static class MaxiNumberIntUDAFEvaluator implements UDAFEvaluator {

// 最终结果

private IntWritable result;

// 负责初始化计算函数并设置它的内部状态，result是存放最终结果的

@Override

public void init() {

result = null;

}

// 每次对一个新值进行聚集计算都会调用iterate方法

public boolean iterate(IntWritable value) {

if (value == null)

return false;

if (result == null)

result = new IntWritable(value.get());

else

result.set(Math.max(result.get(), value.get()));

return true;

}

// Hive需要部分聚集结果的时候会调用该方法

// 会返回一个封装了聚集计算当前状态的对象

public IntWritable terminatePartial() {

return result;

}

// 合并两个部分聚集值会调用这个方法

public boolean merge(IntWritable other) {

return iterate(other);

}

// Hive需要最终聚集结果时候会调用该方法

public IntWritable terminate() {

return result;

}

}

}