Hive_UDF函数中集合对象初始化的注意事项

UDF函数中定义的集合对象何时初始化

udf函数放在sql中对某个字段进行处理，那么在底层会创建一个该类的对象，这个对象不断的去调用这个evaluate(...)方法，截图如下：

 

1.1 如果说对于每一条传入UDF中需要处理的数据都需要全新的集合对象，那么这个时候集合对象就需要在类中声明，在evaluate(...)中进行初始化，这样就保证了对于传入UDF函数的每一条待处理数据，对应的集合对象都是全新的。截图如下：

以下是对应的函数返回的结果(这是我想要的结果，之前是下面1.2截图所示的结果)，可以看出传入的数据(source)不同，函数处理后的数据（result）也是不同的。

 

1.2 如果说对于每一条传入UDF中需要处理的数据都需要结合之前的集合里的数据进行处理，那么这个时候集合对象就需要在类中声明并初始化。截图如下

以下是对应的函数返回的结果(这并不是我想要的结果)，可以看出传入的数据(source)不同，函数处理后的数据（result）居然是相同的，

    这正是因为集合初始化放在了创建UDF对象的时候，那么这个UDF对象每次在调用evaluate这个方法对传进来的source数据进行处理的时候需要的集合对象并不是全新的，集合中保留了之前数据的处理结果，那么也就对本次待处理数据造成了影响，最终导致返回的result数据并不是我们想要的结果。