Hive 自定义UDF函数讲解

目录

一、UDF描述

二、UDF种类

三、自定义实现UDF和UDTF

3.1 需求

3.2 项目pom文件

3.3 Hive建表测试及数据

3.4UDF函数编写

3.5 UDTF函数编写

四：添加到hive

---

一、UDF描述

UDF全称为 User-Defined Functions, 即用户自定义函数，在Hive SQL编译成MapReduce任何时，执行java方法，类似于像MapReduce执行过程中加入一个插件，方便拓展。

二、UDF种类

UDF: 操作单个数据行，产生单个数据行；

UDAF: 执行多个数据行，产生一个数据行；

UDTF: 执行一个数据行，产生多个数据行一个表作为输出；

三、自定义实现UDF和UDTF

3.1 需求

1）UDF，自定义一个函数，并且实现把列中的数据由大写转换成小写

2) UDTF，拆分一个表中name字段以/为分割，分成不同的列，如下所示：

表中数据:

1     id    name
2
3     1      Lq/Sg
4     2      Hh

要拆分成如下格式：

1    id    name
2
3    1     Lq
4    1     Sg
5    2     Hh 

3.2 项目pom文件

  1      <dependency>
  2          <groupId>org.apache.hive</groupId>
  3          <artifactId>hive-jdbc</artifactId>
  4          <version>2.3.0</version>
  5      </dependency>

3.3 Hive建表测试及数据

1        create table if not exists user(
2              id String ,
3              name String
4        );

向Hive表中插入数据:

1    insert into user(id,name) values ('1','Lq|Sg');
2    insert into user(id,name) values ('2','Hh');

3.4UDF函数编写

UDF函数需要继承org.apache.hadoop.hive.ql.exec.UDF类，并且添加evaluate方法，原因是：UDF类默认的UDFMethodResolver是org.apache.hadoop.hive.ql.exec.DefaultUDFMethodResolv​​​​​er，evaluate方法是在DefaultUDFMethodResolver中进行配置,默认绑定的是evaluate方法。

添加evaluate有两个注意事项：

1）evaluate方法遵循重载的原则，参数是用户自定义的，调用那个方法调用是在使用函数时候的参数决定。

 2）evaluate方法必须有返回值，返回类型以及方法参数可以是Java数据或相应的Writable类。

具体实现：

public class MyUDF extends UDF {
    public String evaluate(String s){
        if(s == null){
            return "";
        }
        return s.toLowerCase();
    }
}

3.5 UDTF函数编写

实现：

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 MyUDTF extends GenericUDTF {

    @Override
    public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
        ArrayList<String> fieldNames = new ArrayList<>();
        ArrayList<ObjectInspector> fieldTypes = new ArrayList<>();

        fieldNames.add("col");
        fieldTypes.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldTypes);

    }

    @Override
    public void process(Object[] args) throws HiveException {
        String col = args[0].toString();

        String[] cols = col.split("\\/");
        for (String c : cols) {
            String[] results = new String[1];
            results[0] = c;
            forward(results);
        }
    }

    @Override
    public void close() throws HiveException {

    }
}

四：添加到hive

上传到Linux目录，然后用add jar来添加路径

-- 导入自定义的jar包
add jar /root/jars/original-test_hive-1.0-SNAPSHOT.jar;

创建临时函数

-- 创建临时函数
create temporary function change_UDF as 'MyUDF';
create temporary function sli_UDTF as 'MyUDTF';

创建永久函数

-- 创建永久函数
create function  change_UDF as 'MyUDF';
create function sli_UDTF as 'MyUDTF';

应用函数

-- 通过函数 把字段数据转换成小写
select change_UDF(name) as  Lo_name from user;

-- 通过函数把字段数据进行切分
select sli_UDTF(name) as sli_name from user;

-- 通过函数把数据拆分 然后把字段数据进行转换
select  change_UDF(u.name) from (select sli_UDTF(name) as name from user) u ;