Hive系列
注:大家觉得博客好的话,别忘了点赞收藏呀,本人每周都会更新关于人工智能和大数据相关的内容,内容多为原创,Python Java Scala SQL 代码,CV NLP 推荐系统等,Spark Flink Kafka Hbase Hive Flume等等~写的都是纯干货,各种顶会的论文解读,一起进步。
今天继续和大家分享一下Hive的表操作
#博学谷IT学习技术支持
前言
1、Hive是数仓管理工具,用来管理数仓
2、Hive可以将数仓存在HDFS上的文件变成一张张的表
3、Hive提供一种HiveSQL可以表进行分析处理
4、HiveSQL底层默认是MapReduce,以后可以换成其他的引擎(Spark),我们写HiveSQL会去匹配底层的MR模板,匹配上则执行,否则不能执行
一、自定义函数
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:
1、UDF(User-Defined-Function)
一进一出
类似于:lower/upper/reverse
2、UDAF(User-Defined Aggregation Function)
聚集函数,多进一出
类似于:count/max/min
3、UDTF(User-Defined Table-Generating Functions)
一进多出
如lateral view explode()
1.UDF(User-Defined-Function)
首先定义pom.xml
<dependencies>
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>3.1.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>3.3.0</version>
</dependency>
</dependencies>
Java代码,测试代码比较简单,DEMO级别,实际根据工作种的业务重写evaluate方法就行
/*
需求:
UDF --> 1行进来 一行出去
15812345678 ---> 158****5678
*/
@SuppressWarnings("all") //压制警告
public class MyUDF extends UDF {
public String evaluate(String phoneStr){
String str1 = phoneStr.substring(0,3); //158
String str2 = phoneStr.substring(7); //5678
return str1 + "****" + str2; //158****5678
}
}
转临时函数
1、将代码打包
2、将jar包上传到 /export/server/hive/lib目录,并重命名我们的jar包名称
cd /export/server/hive-3.1.2/lib
mv day19_udf-1.0-SNAPSHOT.jar my_udf.jar
3、hive的客户端添加我们的jar包
add jar /export/server/ hive-3.1.2 /lib/my_udf.jar
4、设置函数与我们的自定义函数关联-临时函数
create temporary function my_jiami as 'cn.itcast.udf.MyUDF';
5、使用自定义的临时函数
select my_jiami('15812345678') from test_user;
转永久函数
1、将代码打包
2、将jar包上传到/export/server/hive-3.1.2/lib目录,并重命名我们的jar包名称
cd /export/server/hive-3.1.2/lib
mv day19_udf-1.0-SNAPSHOT.jar my_udf.jar
3、把自定义函数的jar上传到hdfs中.
hadoop fs -mkdir /hive_func
hadoop fs -put my_udf.jar /hive_func
4. 创建永久函数
create function my_jiami2 as 'cn.itcast.udf.MyUDF'
using jar 'hdfs://node1:8020/hive_func/my_udf.jar';
5、 验证
select my_jiami2('15812345678') from test_user;
-- 特别强调;
DataGrip对永久函数支持不够友好,如果希望DataGrip能够永远识别永久函数,则需要重启Hadoop,重启Hive的两个RunJar
2.UDTF-单列
public class MyUDTF extends GenericUDTF {
private final transient Object[] forwardListObj = new Object[1];
/**
1、该函数只会执行一次,主要完成初始化工作
*/
@Override
public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
// 该集合用来指定转换之后出来的每一列叫什么名字(列名)
List<String> fieldNames = new ArrayList<>();
fieldNames.add("my_col1");
// 该集合用来指定转换之后出来的每一列是什么类型(列类型) - String
List<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>() ;
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
//fieldOIs.add(PrimitiveObjectInspectorFactory.javaIntObjectInspector);
return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
}
/**
* 每转换一行,该方法就会执行一次
* select my_udtf("zookeeper,hadoop,hdfs,hive,MapReduce",",") word;
* select my_udtf("张三:19,李四:20",":",",")
*
*
* @param objects
* @throws HiveException
*/
@Override
public void process(Object[] objects) throws HiveException {
//1:获取原始数据
String args = objects[0].toString(); // "zookeeper,hadoop,hdfs,hive,MapReduce"
//2:获取数据传入的第二个参数,此处为分隔符
String splitKey = objects[1].toString(); //","
//3.将原始数据按照传入的分隔符进行切分
String[] fields = args.split(splitKey); // ["zookeeper","hadoop","hdfs","hive","MapReduce"]
//4:遍历切分后的结果,并写出
for (String field : fields) {
//将每一个单词添加值对象数组
forwardListObj[0] = field;
//forwardListObj[1] = field;
//将对象数组内容写出 ,每调用一次forward,就会多出一行
forward(forwardListObj);
}
}
@Override
public void close() throws HiveException {
}
}
这里的测试和UDF一模一样
select my_udtf("zookeeper,hadoop,hdfs,hive,MapReduce",",") word;
3.UDTF-双列
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;
public class MyUDTF2 extends GenericUDTF {
private final transient Object[] forwardListObj = new Object[2];
/**
1、该函数只会执行一次,主要完成初始化工作
*/
@Override
public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
// 该集合用来指定转换之后出来的每一列叫什么名字(列名)
List<String> fieldNames = new ArrayList<>();
fieldNames.add("name");
fieldNames.add("age");
// 该集合用来指定转换之后出来的每一列是什么类型(列类型) - String , Int
List<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>() ;
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
fieldOIs.add(PrimitiveObjectInspectorFactory.javaIntObjectInspector);
return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
}
/**
* 每转换一行,该方法就会执行一次
* select my_udtf("张三:19,李四:20,王五:21",",",":")
* @param objects
* @throws HiveException
*/
@Override
public void process(Object[] objects) throws HiveException {
//1:获取原始数据
String line = objects[0].toString(); // "张三:19,李四:20,王五:21"
//2:获取数据传入的第二个参数,此处逗号隔符
String splitKey1 = objects[1].toString(); //","
//3:获取数据传入的第二个参数,此处冒号分隔符
String splitKey2 = objects[2].toString(); //":"
//4:使用逗号将数据切分成一个个的键值对
String[] array1 = line.split(splitKey1); //["张三:19","李四:20","王五:21"]
//5:遍历数组
for (String kv : array1) {
String[] array2 = kv.split(splitKey2); // ["张三",19]
forwardListObj[0] = array2[0]; // "张三"
forwardListObj[1] = Integer.parseInt(array2[1]); //19
forward(forwardListObj);
}
}
@Override
public void close() throws HiveException {
}
}
select my_udtf("张三:19,李四:20",",",":")
总结
今天继续和大家分享一下Hive的表操作6自定义函数。