目录
1)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。
2)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)。
3)根据用户自定义函数类别分为以下三种:
- UDF(User-Defined-Function) : 一进一出
- UDAF(User-Defined Aggregation Function):聚集函数,多进一出 类似于:count/max/min
- UDTF(User-Defined Table-Generating Functions):一进多出,如lateral view explode()
4)官方文档地址: https://cwiki.apache.org/confluence/display/Hive/HivePlugins
5)编程步骤:
步骤一:
继承Hive提供的类
org.apache.hadoop.hive.ql.udf.generic.GenericUDF
org.apache.hadoop.hive.ql.udf.generic.GenericUDTF
步骤二:
实现类中的抽象方法
步骤三:
在hive的命令行窗口创建函数
添加jar:add jar linux_jar_path
创建function:create [temporary] function [dbname.]function_name AS class_name;
步骤四:
在hive的命令行窗口删除函数
drop [temporary] function [if exists] [dbname.]function_name;
1)需求:自定义一个UDF实现计算给定字符串的长度,例如:
- hive(default)> select my_len("abcd");
- 4
2)创建一个Maven工程Hive
3)导入依赖
- <dependencies>
- <dependency>
- <groupId>org.apache.hivegroupId>
- <artifactId>hive-execartifactId>
- <version>3.1.2version>
- dependency>
- dependencies>
4)创建一个类
- import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
- import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
- import org.apache.hadoop.hive.ql.exec.UDFArgumentTypeException;
- import org.apache.hadoop.hive.ql.metadata.HiveException;
- import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
- import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
- import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
-
- /**
- * 自定义UDF函数,需要继承GenericUDF类
- * 需求: 计算指定字符串的长度
- */
- public class MyStringLength extends GenericUDF {
- /**
- *
- * @param arguments 输入参数类型的鉴别器对象
- * @return 返回值类型的鉴别器对象
- * @throws UDFArgumentException
- */
- @Override
- public ObjectInspector initialize(ObjectInspector[] arguments) throws UDFArgumentException {
- // 判断输入参数的个数
- if(arguments.length !=1){
- throw new UDFArgumentLengthException("Input Args Length Error!!!");
- }
- // 判断输入参数的类型
- if(!arguments[0].getCategory().equals(ObjectInspector.Category.PRIMITIVE)){
- throw new UDFArgumentTypeException(0,"Input Args Type Error!!!");
- }
- //函数本身返回值为int,需要返回int类型的鉴别器对象
- return PrimitiveObjectInspectorFactory.javaIntObjectInspector;
- }
-
- /**
- * 函数的逻辑处理
- * @param arguments 输入的参数
- * @return 返回值
- * @throws HiveException
- */
- @Override
- public Object evaluate(DeferredObject[] arguments) throws HiveException {
- if(arguments[0].get() == null){
- return 0;
- }
- return arguments[0].get().toString().length();
- }
-
- @Override
- public String getDisplayString(String[] children) {
- return "";
- }
- }
-
5)打成jar包上传到服务器/opt/module/data/myudf.jar
6)将jar包添加到hive的classpath
hive (default)> add jar /opt/module/data/myudf.jar;
7)创建临时函数与开发好的java class关联
hive (default)> create temporary function my_len as "com.ouyang.hive.MyStringLength";
8)即可在hql中使用自定义的函数
hive (default)> select ename,my_len(ename) ename_len from emp;
1)需求 :自定义一个UDTF实现将一个任意分割符的字符串切割成独立的单词,例如:
- hive(default)> select myudtf("hello,world,hadoop,hive", ",");
-
- hello
- world
- hadoop
- hive
2)代码实现
- 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 {
-
- private ArrayList
outList = new ArrayList<>(); -
- @Override
- public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
-
- //1.定义输出数据的列名和类型
- List
fieldNames = new ArrayList<>(); - List
fieldOIs = new ArrayList<>(); -
- //2.添加输出数据的列名和类型
- fieldNames.add("lineToWord");
- fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
-
- return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
- }
-
- @Override
- public void process(Object[] args) throws HiveException {
-
- //1.获取原始数据
- String arg = args[0].toString();
-
- //2.获取数据传入的第二个参数,此处为分隔符
- String splitKey = args[1].toString();
-
- //3.将原始数据按照传入的分隔符进行切分
- String[] fields = arg.split(splitKey);
-
- //4.遍历切分后的结果,并写出
- for (String field : fields) {
-
- //集合为复用的,首先清空集合
- outList.clear();
-
- //将每一个单词添加至集合
- outList.add(field);
-
- //将集合内容写出
- forward(outList);
- }
- }
-
- @Override
- public void close() throws HiveException {
-
- }
- }
3)打成jar包上传到服务器/opt/module/hive/data/myudtf.jar
4)将jar包添加到hive的classpath下
hive (default)> add jar /opt/module/hive/data/myudtf.jar;
5)创建临时函数与开发好的java class关联
hive (default)> create temporary function myudtf as "com.ouyang.hive.MyUDTF";
6)使用自定义的函数
hive (default)> select myudtf("hello,world,hadoop,hive",",");
注:其他Hive相关系列文章链接由此进 -> Hive文章汇总