Hive UDAF和UDTF实现group by后获取top值

最新推荐文章于 2024-10-19 19:10:01 发布

原创

最新推荐文章于 2024-10-19 19:10:01 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了如何在Hive中利用自定义UDAF和UDTF函数来实现group by操作后获取每个组的top值。通过编写UDAF聚合URL并以字符串形式存储，再使用UDTF按分隔符拆分，可以得到每个landingrefer的前100个顶级URL。示例查询展示了如何结合这两个自定义函数从pvlog表中提取数据。

先自定义一个UDAF,由于udaf是多输入一条输出的聚合，所以结果拼成字符串输出，代码如下：

public class Top4GroupBy extends UDAF {

    //定义一个对象用于存储数据
    public static class State {
        private Map<Text, IntWritable> counts;
        private int limit;

    }

    /**
     * 累加数据，判断map的key中是否存在该字符串，如果存在累加，不存在放入map中
     * @param s
     * @param o
     * @param i
     */
    private static void increment(State s, Text o, int i) {
        if (s.counts == null) {
            s.counts = new HashMap<Text, IntWritable>();
        }
        IntWritable count = s.counts.get(o);
        if (count == null) {
            Text key = new Text();
            key.set(o);
            s.counts.put(key, new IntWritable(i));
        } else {
            count.set(count.get() + i);
        }

    }

    public static class Top4GroupByEvaluator implements UDAFEvaluator {

        private final State state;

        public Top4GroupByEvaluator() {
            state = new State();
        }