之前开发过udf,但是udf只能处理一对一的情况,也就是一个输入对应一个输出。而日常开发中却会遇到多种情况,普通的udf不能满足,这时候就需要引入udtf和udaf了。
一、简介
1.1 UDAF
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;
简单说就是多行输入一行输出。
1.2 UDTF
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;
简单说就是一行输入多行输出。
二、UDAF编写例子
2.1 说明
1.引入如下两下类
import org.apache.hadoop.hive.ql.exec.UDAF
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator
2.函数类需要继承UDAF类,计算类Evaluator实现UDAFEvaluator接口
3.Evaluator需要实现UDAFEvaluator的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,并进行内部的迭代。其返回类型为boolean。
c)terminatePartial无参数,其为iterate函数遍历结束后,返回遍历得到的数据,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。
2.2 实例
package hive.udaf;
import org.apache.hadoop.hive.ql.exec.UDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
//create temporary function udaf_avg 'hive.udaf.Avg'
public class Avg extends UDAF {
public static class AvgState {
private long mCount;
private double mSum;
}
public static class AvgEvaluator implements UDAFEvaluator {
AvgState state;
public AvgEvaluator() {
super();
state = new AvgState();
init();
}
/**
* init函数类似于构造函数,用于UDAF的初始化
*/
public void init() {
state.mSum = 0;
state.mCount = 0;
}
/**
* iterate接收传入的参数,并进行内部的轮转。其返回类型为boolean * * @param o * @return
*/
public boolean iterate(Double o) {
if (o != null) {
state.mSum += o;
state.mCount++;
}
return true;
}
/**
* terminatePartial无参数,其为iterate函数遍历结束后,返回轮转数据, * terminatePartial类似于hadoop的Combiner * * @return
*/
public AvgState terminatePartial() {
// combiner
return state.mCount == 0 ? null : state;
}
/**
* merge接收terminatePartial的返回结果,进行数据merge操作,其返回类型为boolean * * @param o * @return
*/
public boolean merge(AvgState avgState) {
if (avgState != null) {
state.mCount += avgState.mCount;
state.mSum += avgState.mSum;
}
return true;
}
/**
* terminate返回最终的聚集函数结果 * * @return
*/
public Double terminate() {
return state.mCount == 0 ? null : Double.valueOf(state.mSum / state.mCount);
}
}
}
三、UDTF编写例子
3.1 说明
1.引入import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
2.继承GenericUDTF类
3.重写initialize(返回输出行信息:列个数,类型), process, close三方法
3.2 实例
//create temporary function DaylistUDTF as 'com.ai.hive.udf.uc.DaylistUDTF';
public class DaylistUDTF extends GenericUDTF{
@Override
public void close() throws HiveException {
// TODO Auto-generated method stub
}
@Override
public void process(Object[] args) throws HiveException {
int argsLength = args.length;
int resultLength = argsLength+1;
String daylist = args[4].toString();
String dayId = args[11].toString();
String[] result = new String[resultLength];
for(int j = 0; j < argsLength; j++){
result[j] = args[j].toString();
}
try{
for (int i = daylist.length() - 1; i >= 0; i--) {
char c = daylist.charAt(i);
if (c == 49) {
int diff = 0-(daylist.length() - i);
SimpleDateFormat sdf=new SimpleDateFormat("yyyyMMdd");
Date dt=sdf.parse(dayId);
Calendar rightNow = Calendar.getInstance();
rightNow.setTime(dt);
rightNow.add(Calendar.DAY_OF_YEAR,diff);
Date dt1=rightNow.getTime();
String reStr = sdf.format(dt1);
result[resultLength-1] = reStr;
forward(result);
}
}
}catch (Exception e){
System.out.println("error:"+e.toString());
}
}
@Override
public StructObjectInspector initialize(ObjectInspector[] args)
throws UDFArgumentException {
ArrayList<String> fieldNames = new ArrayList<String>();
ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
for (int i = 1; i <= 14; i++)
{
fieldNames.add("col" + i);
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
}
return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
}
}
四、感谢大佬
Hive 自定义函数 UDF UDAF UDTF
hive udaf开发入门和运行过程详解
hive中udtf编写及使用