sparkSQL------读取Hive数据、UDF和UDAF自定义函数、SparkSQL开窗函数

1.读取Hive中的数据加载成DataFrame

    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-hive_2.11</artifactId>
      <version>2.3.1</version>
    </dependency>
object sparkSQL06 {
  def main(args: Array[String]): Unit = {
    val session: SparkSession = SparkSession.builder().appName("test06").enableHiveSupport().getOrCreate()
    session.sql("use spark")
    //创建表
    session.sql("create table person (id int,name String,age int) row format delimited fields terminated by '\t'")
    //加载数据
    val frame: DataFrame = session.sql("load data local inpath '/root/test/student_infos' into tables student_infos")
    //将结果写入hive表中
    val df: DataFrame = session.sql("select * from student_infos")
    df.write.mode(SaveMode.Overwrite).saveAsTable("good_student_infos")
  }
}

2.UDF自定义函数

object sparkSQL07 {
  def main(args: Array[String]): Unit = {
    val session: SparkSession = SparkSession.builder().master("local").appName("test07").getOrCreate()
    val nameList = List[String]("zjc", "lff", "ly")
    import session.implicits._
    val df = nameList.toDF();
    df.createTempView("temp")
    /**
     * 自定义函数需求:统计每个属性的长度
     * */
    session.udf.register("STRLEN",(name:String)=>{name.length})
    session.sql("select name,STRLEN(name) from temp").show()
  }
}

3.UDAF函数

object sparkSQL08 {
  def main(args: Array[String]): Unit = {
    val session: SparkSession = SparkSession.builder().master("local").appName("test08").getOrCreate()
    val nameList=List[String]("zjc","lff","ergou")
    import session.implicits._
    val df = nameList.toDF("name")
    df.createTempView("mytable")
    session.udf.register("MyCount",new MyCount)
    session.sql("select name,MyCount(name) from mytable").show()
  }
}

//自定义聚合函数
class MyCount extends UserDefinedAggregateFunction{

  //输入数据的类型
  override def inputSchema: StructType = StructType(List[StructField](StructField("xx",StringType,true)))

  //在聚合过程中处理的数据类型
  override def bufferSchema: StructType = StructType(List[StructField](StructField("xx",StringType,true)))

  //最终返回值的类型,与evaluate返回的值一致
  override def dataType: DataType = IntegerType

  //多次运行数据是否一致
  override def deterministic: Boolean = true

  //每个分区中每组key对应的初始值
  override def initialize(buffer: MutableAggregationBuffer): Unit = buffer.update(0,0)

  //每个分区中,每个分组内进行聚合操作
  override def update(buffer: MutableAggregationBuffer, input: Row): Unit = {buffer.update(0,buffer.getInt(0)+1)}

  //不同的分区中相同的key的数据进行聚合
  override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit =  {buffer1.update(0,buffer1.getInt(0)+buffer2.getInt(0))}

  //聚合之后,每个分组最终返回的值,类型要和dataType 一致
  override def evaluate(buffer: Row): Any = buffer.getInt(0)
}

4.SparkSQL开窗函数

row_number() over (partition by XXX order by XXX) 同个分组内生成连续的序号,每个分组内从1开始且排序相同的数据会标不同的号。
rank() over (partition by XXX order by XXX) 同个分组内生成不连续的序号,在每个分组内从1开始,同个分组内相同数据标号相同。
dense_rank() over (partitin by XXX order by XXX) 同个分组内生成连续的序号,在每个分组内从1开始,同个分组内相同数据标号相同,之后的数据标号连续。

mport org.apache.spark.sql.SparkSession

/**
 * 找出每个
 * */
object sparkSQL09 {
  def main(args: Array[String]): Unit = {
    val session: SparkSession = SparkSession.builder().appName("test09").enableHiveSupport().getOrCreate()
    session.sql("use spark")
    session.sql("create table if not exists sales (riqi string,leibie string,jine Int) " +
      	"row format delimited fields terminated by '\t'")
    session.sql("load data local inpath '/root/test/sales' into table sales")
    session.sql("select * from " +
      "(select * row_number() over (partition by riqi order by riqi desc)").show()
  }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用SparkSQLHive API,可以通过以下步骤实现用户自定义函数UDF)、聚合函数(UDAF)和表生成函数(UDTF): 1. 编写自定义函数的代码,例如: ``` // UDF def myUDF(str: String): Int = { str.length } // UDAF class MyUDAF extends UserDefinedAggregateFunction { override def inputSchema: StructType = StructType(StructField("value", StringType) :: Nil) override def bufferSchema: StructType = StructType(StructField("count", IntegerType) :: Nil) override def dataType: DataType = IntegerType override def deterministic: Boolean = true override def initialize(buffer: MutableAggregationBuffer): Unit = { buffer(0) = 0 } override def update(buffer: MutableAggregationBuffer, input: Row): Unit = { buffer(0) = buffer.getInt(0) + input.getString(0).length } override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = { buffer1(0) = buffer1.getInt(0) + buffer2.getInt(0) } override def evaluate(buffer: Row): Any = { buffer.getInt(0) } } // UDTF class MyUDTF extends GenericUDTF { override def initialize(args: Array[ConstantObjectInspector]): StructObjectInspector = { // 初始化代码 } override def process(args: Array[DeferedObject]): Unit = { // 处理代码 } override def close(): Unit = { // 关闭代码 } } ``` 2. 将自定义函数注册到SparkSQLHive中,例如: ``` // SparkSQL中注册UDF spark.udf.register("myUDF", myUDF _) // Hive中注册UDF hiveContext.sql("CREATE TEMPORARY FUNCTION myUDF AS 'com.example.MyUDF'") // Hive中注册UDAF hiveContext.sql("CREATE TEMPORARY FUNCTION myUDAF AS 'com.example.MyUDAF'") // Hive中注册UDTF hiveContext.sql("CREATE TEMPORARY FUNCTION myUDTF AS 'com.example.MyUDTF'") ``` 3. 在SQL语句中使用自定义函数,例如: ``` -- 使用SparkSQL中的UDF SELECT myUDF(name) FROM users -- 使用Hive中的UDF SELECT myUDF(name) FROM users -- 使用Hive中的UDAF SELECT myUDAF(name) FROM users GROUP BY age -- 使用Hive中的UDTF SELECT explode(myUDTF(name)) FROM users ``` 以上就是使用SparkSQLHive API实现用户自定义函数UDFUDAF、UDTF)的步骤。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值