2、Hive UDF编程实例

Hive的UDF包括3种：UDF(User-Defined Function)、UDAF(User-Defined Aggregate Function)和UDTF(User-Defined Table-Generating Function)，Hive只支持Java编写UDF，其他的编程语言只能通过select transform转化为流来与Hive交互。

UDF(User-Defined Function)：支持一个输入产生一个输出。继承自org.apache.hadoop.hive.ql.exec.UDF,并实现evaluate方法。

1、代码实现

import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;

public class Lower2Upper extends UDF {

　　public Text evaluate(Text text,String up_low){
　　　　if(text==null){
　　　　　　return null;
　　　　}else if(up_low.equals("lowercase")){
　　　　　　return new Text(text.toString().toLowerCase());
　　　　}else if(up_low.equals("uppercase")){
　　　　　　return new Text(text.toString().toUpperCase());
　　　　}else{
　　　　　　return null;
　　　　}
　　}

}

2、打包，并放到hive所在的机器

3、进入hive的shell，用add jar命令把jar包导入到hive的环境变量中，用create temporary function as 命令基于jar包中的类创建临时函数。

hive>add jar /home/user/lowupper.jar;
hive>create temporary function lowupper as 'com.upit.hive.udf.Low2Upper';
hive>select lowupper(name,'uppercase') from userinfo;

4、销毁不再需要的函数

hive>drop temporary function lowupper;

注意：lowupper为临时的函数，所以每次进入都需要add jar以及create temporary操作。

UDAF(User-Defined Aggregate Function)：支持多个输入一个输出。继承org.apache.hadoop.hive.ql.exec.UDAF类，实现org.apache.hadoop.hive.ql.exec.UDAFvaluator接口。UDAFvaluator接口有5个方法，分别如下：

• int  方法负责对中间结果实现初始化
• iterate  接收传入的参数，并进行内部的轮转，其返回类型为boolean
• terminaePartial  没有参数，负责返回iterate函数轮转后的数据
• merge  接收terminatePartial的返回结果，合并接收的蹭值，返回类型为boolean
• terminate  返回最终结果

import org.apache.hadoop.hive.ql.exec.NumericUDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;

public class UDAFSum_Sample extends NumericUDAF {
　　public static class Evaluator implements UDAFEvaluator{
　　　　private boolean mEmpty;
　　　　private double mSum;
　　　　public Evaluator(){
　　　　　　super();
　　　　　　init();
　　　　}
　　　　@Override
　　　　public void init() {
　　　　　　mSum=0;
　　　　　　mEmpty=true;
　　　　}
　　　　public boolean iterate(DoubleWritable o){
　　　　　　if(o!=null){
　　　　　　　　mSum+=o.get();
　　　　　　　　mEmpty=false;
　　　　　　}
　　　　　　return true;
　　　　}
　　　　public DoubleWritable terminatePartial(){
　　　　　　return mEmpty?null:new DoubleWritable(mSum);
　　　　}
　　　　public boolean merge(DoubleWritable o){
　　　　　　if(o!=null){
　　　　　　　　mSum+=o.get();
　　　　　　　　mEmpty=false;
　　　　　　}
　　　　　　return true;
　　　　}
　　　　public DoubleWritable terminate(){
　　　　　　return mEmpty?null:new DoubleWritable(mSum);
　　　　}
　　}
}

关于UDAF开发应注意以下几点：

• import org.apache.hadoop.hive.ql.exec.UDAF以及org.apache.hadoop.hive.ql.exec.UDAFEvaluator包都是必需的。
• 函数类需要继承UDAF类，内部类Evaluator实现UDAFEvaluator接口。
• Evaluator需要实现init、iterate、terminatePartial、merge、terminate这几个函数。
• init函数类似于构造函数，用于UDAF的初始化。
• iterate接收传入的参数，并进行内部的轮转，其返回类型为boolean。
• terminatePartial无参数，其为iterate函数轮转结束后返回的轮转数据，iterate和terminatePartial类似于Hadoop的Combiner.
• merge接收terminatePartial的返回结果，进行数据merge操作，其返回类型为boolean。
• terminate返回最终的聚集函数结果。

UDTF(User-Defined Table-Generating Function)：支持一个输入多个输出。

1、如何实现UDTF

继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。

实现initialize, process, close三个方法

UDTF首先会调用initialize方法，此方法返回UDTF的返回行的信息（返回个数，类型）。初始化完成后，会调用process方法，对传入的参数进行处理，可以通过forword()方法把结果返回。最后close()方法调用，对需要清理的方法进行清理

2、实例

如下代码对形如key:value;key:value;格式的字符串分拆成key，value，返回结果为key, value两个字段

import java.util.ArrayList;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
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;

public class ExplodeMap extends GenericUDTF {
　　@Override
　　public void close() throws HiveException {}

　　@Override
　　public StructObjectInspector initialize(ObjectInspector[] args)throws UDFArgumentException {
　　　　if (args.length != 1) {
　　　　　　throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
　　　　}
　　　　if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
　　　　　　throw new UDFArgumentException("ExplodeMap takes string as a parameter");
　　　　}
　　　　ArrayList<String> fieldNames = new ArrayList<String>();
　　　　ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
　　　　fieldNames.add("col1");
　　　　fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
　　　　fieldNames.add("col2");
　　　　fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
　　　　return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
　　}

　　@Override
　　public void process(Object[] args) throws HiveException {
　　　　String input = args[0].toString();
　　　　String[] test = input.split(";");
　　　　for (int i = 0; i < test.length; i++) {
　　　　　　try {
　　　　　　　　String[] result = test[i].split(":");
　　　　　　　　forward(result);
　　　　　　} catch (Exception e) {
　　　　　　　　continue;
　　　　　　}
　　　　}
　　}
}

3、 如何使用UDTF

3.1、在select中使用UDTF

select explode_map(properties) as (col1,col2) from my_table

不可以添加其他字段使用：select a, explode_map(properties) as (col1,col2) from my_table

不可以嵌套调用：select explode_map(explode_map(properties)) from my_table

不可以和group by/cluster by/distribute by/sort by一起使用：select explode_map(properties) as (col1,col2) from src group by col1, col2

3.2、结合lateral view使用

select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;

此方法更为方便日常使用。执行过程相当于单独执行了两次抽取，然后union到一个表里。

4、总结

使用lateral view之后，那么col1和col2相当于普通的列，可以参与查询，计算