spark sql 1.6.0 自定义永久函数

最新推荐文章于 2024-10-13 20:24:20 发布

wuzhilon88

最新推荐文章于 2024-10-13 20:24:20 发布

阅读量4.8k

点赞数

分类专栏： hadoop学习文章标签： spark hive

本文链接：https://blog.csdn.net/wuzhilon88/article/details/50889285

版权

hadoop学习专栏收录该内容

19 篇文章 0 订阅

订阅专栏

spark sql 1.5.0 也支持

Spark(Hive) SQL中UDF的使用

相对于使用MapReduce或者Spark Application的方式进行数据分析，使用Hive SQL或Spark SQL能为我们省去不少的代码工作量，而Hive SQL或Spark SQL本身内置的各类UDF也为我们的数据处理提供了不少便利的工具，当这些内置的UDF不能满足于我们的需要时，Hive SQL或Spark SQL还为我们提供了自定义UDF的相关接口，方便我们根据自己的需求进行扩展。
在Hive的世界里使用自定义UDF的过程是比较复杂的。我们需要根据需求使用Java语言开发相应的UDF（UDAF、UDTF），然后将UDF的代码及其依赖编译打包为Jar，使用方法有两种：
（1）临时函数
在一次会话（Session）中使用如下语句创建临时函数：

add jar /usr/local/fqlhadoop/spark/lib/hive_udf.jar
create temporary function row_sequence as 'org.rowsequence.RowSequence';
select id,row_sequence() from test.test limit 2;

这种方式有一个缺点：每一次会话过程中使用函数时都需要创建，而且仅在当前会话中有效。
（2）永久函数
这个特性需要高版本的Hive支持，它的好处是可以将UDF Jar存放至HDFS，函数仅需要创建一次即可以永久使用，如下：
(需要将hive_udf.jar(每台spark服务器)添加到spark_env.sh 中的spark_classpath)

CREATE FUNCTION row_sequence AS 'org.rowsequence.RowSequence' USING JAR 'hdfs://hacluster/system/hive_udf/hive_udf.jar';
select id,row_sequence() from test.test limit 2;

虽然永久函数相对于临时函数有一定优势，但Java语言的开发门槛很大程度上妨碍了UDF在实际数据分析过程中使用，毕竟我们的数据分析师多数是以Python、SQL为主要分析工具的，每一次UDF的开发都需要工程师的参与，开发效率与应用效果都是不是很好（可能需要频繁更新UDF的问题），PySpark的出现确很好地解决了这个问题：它可以非常方便地将一个普通的Python函数注册为一个UDF。

（3）永久函数推荐

1,添加函数文件$HIVE_HOME/src/ql/src/java/org/apache/hadoop/hive/ql/udf/UrlDecode.java

package org.apache.hadoop.hive.ql.udf;
import java.io.UnsupportedEncodingException;
import java.net.URLDecoder;
import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.hive.ql.udf.UDFType;
/**
* UDUrlDecode.
* @param <StringWritable>
*/
@Description(name = "url_decode", value = "FUNC() - Returns Parsing the url string")
@UDFType(deterministic = false)
public class UrlDecode extends UDF{
private String resultUrl;
public UrlDecode() {

}
public String evaluate(String url) {
if(url!=null&&url.length()>0){
try {
resultUrl =URLDecoder.decode(URLDecoder.decode(url.toString(), "utf-8"), "utf-8");
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
return resultUrl;
}
}