Hive技术之自定义函数
1. Hive系统内置函数
-- 查看系统自带的函数
show functions;
-- 显示自带的函数的用法
desc function split;
-- 细显示自带的函数的用法
desc function extended split;
2. 自定义函数
Hive 自带了一些函数,比如:max/min 等,但是数量有限,自己可以通过自定义 UDF来方便的扩展。
当 Hive 提供的内置函数无法满足你的业务处理需要时,此时就可以考虑使用用户自定义
函数(UDF:user-defined function)。根据用户自定义函数类别分为以下三种:
UDF(User-Defined-Function)一进一出
UDAF(User-Defined Aggregation Function)聚集函数,多进一出
- 类似于:count/max/min
UDTF(User-Defined Table-Generating Functions)一进多出
- 如 lateral view explore()
编程步骤
继承 org.apache.hadoop.hive.ql.UDF
需要实现 evaluate 函数;evaluate 函数支持重载;
- 在 hive 的命令行窗口创建函数
- 添加 jar
add jar linux_jar_path
- 创建 function
create [temporary] function [dbname.]function_name AS class_name;
- 在 hive 的命令行窗口删除函数
Drop [temporary] function [if exists] [dbname.]function_name;
注意事项
UDF 必须要有返回类型,可以返回 null,但是返回类型不能为 void;
3. 自定义UDF函数
创建一个 Maven工程 HiveFun
导入依赖
<dependencies> <dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-exec</artifactId> <version>1.2.1</version> </dependency> </dependencies>
- 有以上报错,需要下载pentaho-aggdesigner-algorithm-5.1.5-jhyde.jar放到自己的Maven仓库中…
创建一个类HiveFun
package com.atguigu; import org.apache.hadoop.hive.ql.exec.UDF; /** * @Date 2020/8/5 13:27 * @Version 10.21 * @Author DuanChaojie */ public class HiveFun extends UDF { public int evaluate(int data){ return data + 10; } public int evaluate(int data1,int data2){ return data1 + data2 + 10; } }
打成 jar 包上传到服务器
/opt/module/hive/lib/HiveFun-1.0-SNAPSHOT.jar
创建函数
与开发好的 java class 关联
create function HiveFun as "com.atguigu.HiveFun";
即可在 hql 中使用自定义的函数
-- 删除自定义的UDF函数 drop function if exists hive.HiveFun;
4. 自定义UDTF函数
需求说明:自定义一个 UDTF 实现将一个任意分割符的字符串切割成独立的单词,例如:
-- 使用HiveFunUDTF函数 select HiveFunUDTF("hello,world,hadoop,hive") -- 结果: hello world hadoop hive
HiveFunUDTF类
代码实现package com.atguigu.udtf; import org.apache.hadoop.hive.ql.exec.UDFArgumentException; 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 java.util.ArrayList; import java.util.List; /** * @Date 2020/8/5 15:04 * @Version 10.21 * @Author DuanChaojie */ public class HiveFunUDTF extends GenericUDTF { @Override public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException { // 1.定义输出数据的列名和类型 List<String> fieldNames = new ArrayList<String>(); List<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>(); // 2.天假输出数据的列名和类型 fieldNames.add("result"); fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector); return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs); } private List<String> outList = new ArrayList<String>(); @Override public void process(Object[] args) throws HiveException { // 1.获取要处理的数据 String data = args[0].toString(); // 2.获取数据传入的第二个参数,此处是分隔符 String splitKey = args[1].toString(); // 3.将原始数据按照传入的分隔符进行切分 String[] fields = data.split(splitKey); // 4.遍历切分后的结果,并写出 for (String field : fields) { // 集合为复用的,首先清空集合 outList.clear(); // 将每一个单词添加至集合 outList.add(field); // 将集合的内容写出 forward(outList); } } @Override public void close() throws HiveException { } }
打成 jar 包上传到服务器
/opt/module/hive/lib/HiveFunUDTF-1.0-SNAPSHOT.jar
将 jar 包添加到 hive 的 classpath 下
add jar /opt/module/hive/lib/HiveFunUDTF-1.0-SNAPSHOT.jar;
创建函数
与开发好的 java class 关联
create function HiveFunUDTF as "com.atguigu.udtf.HiveFunUDTF";
即可在 hql 中使用自定义的函数
-- 删除自定义的UDF函数 drop function if exists hive.HiveFunUDTF;