15 hive自定义函数

一、Hive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：

1、UDF（User-Defined-Function）

一进一出

（例如，通过身份证查询出行政区划）

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 explore()

 

1.1 自定义UDF

 

编程步骤：

（1）继承org.apache.hadoop.hive.ql.UDF

（2）需要实现evaluate函数；evaluate函数支持重载；

注意事项:

（1）UDF必须要有返回类型，可以返回null，但是返回类型不能为void；

（2）UDF中常用Text/LongWritable等类型，不推荐使用java类型；

 

 

第一步：创建maven  java 工程，导入jar包

# pom配置文件
<repositories>
        <repository>
            <id>spring</id>
            <url>https://repo.spring.io/plugins-release/</url>
        </repository>
    </repositories>
    <dependencies>
        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec</artifactId>
            <version>2.1.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.5</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <minimizeJar>true</minimizeJar>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

 

第二步：开发java类继承UDF，并重载evaluate方法

public class MyUDF extends UDF {
    public Text evaluate(final Text s){
        //1.获取数据
        String str = s.toString();
        if(str == null){
            return null;
        }
        String upperStr = str.toUpperCase();
        return new Text(upperStr);
    }
}

 

第三步：将我们的项目打包，并上传到hive的lib目录下

 

第四步：添加我们的jar包

重命名我们的jar包名称

 

cd /export/server/hive-2.1.0/lib

mv original-day_10_hive_udf-1.0-SNAPSHOT.jar my_upper.jar

 

hive的客户端（命令行）添加我们的jar包

add jar /export/server/hive-2.1.0/lib/my_upper.jar;

 

第五步：设置函数与我们的自定义函数关联

 

create temporary function my_upper as 'cn.itcast.udf.MyUDF';

 

第六步：使用自定义函数

 

select my_upper('abc');

1.2 自定义UDTF

 

 

• 实现一个 udtf 函数 开发步骤

  • 需求

    源数据："zookeeper,hadoop,hdfs,hive,MapReduce"目标数据:zookeeperhadoophdfshiveMapReduce

  1. 创建一个类，这个类继承 GenericUDTF 类

  2. 重写一个 process 方法

  3. 将对象数组通过 forword 写出去

  4. 将 jar 包上传到 hive 环境中 ，add jar

     1. add jar /export/server/hive-2.1.0/lib/myudtf.jar

  5. 创建一个临时函数依赖 jar 包 create temporary function fun_name as '全路径类名'

     1. create temporary function my_udtf as 'cn.itcast.udf.MyUDF';

  6. 测试 jar 包是否安装成功 list jars

1. 测试数据准确性

2. select my_udtf("zookeeper,hadoop,hdfs,hive,MapReduce",",");

 

 

具体核心代码：

 

# 创建 udtf 函数
/**
 * Author itcast
 * Date 2020/8/30 10:19
 * Desc TODO
 */
public class MyUDTF extends GenericUDTF {
    private final transient Object[] forwardListObj = new Object[1];
    //初始化的方法，主要是用来规定 函数的输入输出是个什么类型
    @Override
    public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
        //设置列名的类型
        List<String> fieldNames = new ArrayList<>();
        //设置列名
        fieldNames.add("column_01");
        List<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>()  ;//检查器列表
        //设置输出的列的值类型
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
    }
    @Override
    public void process(Object[] objects) throws HiveException {
        //获取原始数据
        String orignal = objects[0].toString();
        //获取分割的字符
        String splitKey = objects[1].toString();
        //将原始数据按照输入的分隔符进行切分
        String[] splits = orignal.split(splitKey);
        //将对象写出去
        for(String s:splits){
            //将每个单词添加到值对象数组中
            forwardListObj[0]=s;
            //将对象数组内容写出去
            forward(forwardListObj);
        }
    }
    @Override
    public void close() throws HiveException {
    }
}