溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下udf、udaf、udtf怎么用，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！
一、UDF
1、背景：Hive是基于Hadoop中的MapReduce，提供HQL查詢的數據倉庫。Hive是一個很開放的系統，很多內容都支持用戶定制，包括：
a）文件格式：Text File，Sequence File
b）內存中的數據格式： Java Integer/String, Hadoop IntWritable/Text
c）用戶提供的 map/reduce 腳本：不管什么語言，利用 stdin/stdout 傳輸數據
d）用戶自定義函數: Substr, Trim, 1 – 1
e）用戶自定義聚合函數: Sum, Average…… n – 1
2、定義：UDF(User-Defined-Function)，用戶自定義函數對數據進行處理。
二、用法
1、UDF函數可以直接應用于select語句，對查詢結構做格式化處理后，再輸出內容。
2、編寫UDF函數的時候需要注意一下幾點：
a）自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF。
b）需要實現evaluate函。
c）evaluate函數支持重載。
3、以下是兩個數求和函數的UDF。evaluate函數代表兩個整型數據相加，兩個浮點型數據相加，可變長數據相加。
package hive.connect; import org.apache.hadoop.hive.ql.exec.UDF; public final class Add extends UDF { public Integer evaluate(Integer a, Integer b) { if (null == a || null == b) { return null; } return a + b; } public Double evaluate(Double a, Double b) { if (a == null || b == null) return null; return a + b; } public Integer evaluate(Integer... a) { int total = 0; for (int i = 0; i < a.length; i++) if (a[i] != null) total += a[i]; return total; } }4、步驟a）把程序打包放到目標機器上去；
b）進入hive客戶端，添加jar包：hive>add jar /run/jar/udf_test.jar;
c）創建臨時函數：hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';
d）查詢HQL語句：
SELECT add_example(8, 9) FROM scores;
SELECT add_example(scores.math, scores.art) FROM scores;
SELECT add_example(6, 7, 8, 6.8) FROM scores;
e）銷毀臨時函數：hive> DROP TEMPORARY FUNCTION add_example;
5、細節在使用UDF的時候，會自動進行類型轉換，例如：
SELECT add_example(8,9.1) FROM scores;
結果是17.1，UDF將類型為Int的參數轉化成double。類型的飲食轉換是通過UDFResolver來進行控制的。
三、UDAF
1、Hive查詢數據時，有些聚類函數在HQL沒有自帶，需要用戶自定義實現。
2、用戶自定義聚合函數: Sum, Average…… n – 1
UDAF（User- Defined Aggregation Funcation）
四、用法
1、一下兩個包是必須的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator。
2、函數類需要繼承UDAF類，內部類Evaluator實UDAFEvaluator接口。
3、Evaluator需要實現 init、iterate、terminatePartial、merge、terminate這幾個函數。
a）init函數實現接口UDAFEvaluator的init函數。
b）iterate接收傳入的參數，并進行內部的輪轉。其返回類型為boolean。
c）terminatePartial無參數，其為iterate函數輪轉結束后，返回輪轉數據，terminatePartial類似于hadoop的Combiner。
d）merge接收terminatePartial的返回結果，進行數據merge操作，其返回類型為boolean。
e）terminate返回最終的聚集函數結果。
4、以下為一個求平均數的UDAF：
package hive.udaf; import org.apache.hadoop.hive.ql.exec.UDAF; import org.apache.hadoop.hive.ql.exec.UDAFEvaluator; public class Avg extends UDAF { public static class AvgState { private long mCount; private double mSum; } public static class AvgEvaluator implements UDAFEvaluator { AvgState state; public AvgEvaluator() { super(); state = new AvgState(); init(); } /** * init函數類似于構造函數，用于UDAF的初始化 */ public void init() { state.mSum = 0; state.mCount = 0; } /** * iterate接收傳入的參數，并進行內部的輪轉。其返回類型為boolean * * @param o * @return */ public boolean iterate(Double o) { if (o != null) { state.mSum += o; state.mCount++; } return true; } /** * terminatePartial無參數，其為iterate函數輪轉結束后，返回輪轉數據， * terminatePartial類似于hadoop的Combiner * * @return */ public AvgState terminatePartial() {// combiner return state.mCount == 0 ? null : state; } /** * merge接收terminatePartial的返回結果，進行數據merge操作，其返回類型為boolean * * @param o * @return */ public boolean merge(AvgState o) { if (o != null) { state.mCount += o.mCount; state.mSum += o.mSum; } return true; } /** * terminate返回最終的聚集函數結果 * * @return */ public Double terminate() { return state.mCount == 0 ? null : Double.valueOf(state.mSum / state.mCount); } } }5、執行求平均數函數的步驟a）將java文件編譯成Avg_test.jar。
b）進入hive客戶端添加jar包：
hive>add jar /run/jar/Avg_test.jar。
c）創建臨時函數：
hive>create temporary function avg_test 'hive.udaf.Avg';
d）查詢語句：
hive>select avg_test(scores.math) from scores;
e）銷毀臨時函數：
hive>drop temporary function avg_test;
五、總結
1、重載evaluate函數。
2、UDF函數中參數類型可以為Writable，也可為java中的基本數據對象。
3、UDF支持變長的參數。
4、Hive支持隱式類型轉換。
5、客戶端退出時，創建的臨時函數自動銷毀。
6、evaluate函數必須要返回類型值，空的話返回null，不能為void類型。
7、UDF是基于單條記錄的列進行的計算操作，而UDFA則是用戶自定義的聚類函數，是基于表的所有記錄進行的計算操作。
8、UDF和UDAF都可以重載。
9、查看函數
SHOW FUNCTIONS;
DESCRIBE FUNCTION <function_name>;
UDTF步驟：
1.必須繼承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF
2.實現initialize, process, close三個方法
3.UDTF首先會
a.調用initialize方法，此方法返回UDTF的返回行的信息（返回個數，類型）
b.初始化完成后，會調用process方法，對傳入的參數進行處理，可以通過forword()方法把結果返回
c.最后close()方法調用，對需要清理的方法進行清理Java代碼
public class GenericUDTFExplode extends GenericUDTF {
private ListObjectInspector listOI = null;
@Override
public void close() throws HiveException {
}
@Override
public StructObjectInspector initialize(ObjectInspector[] args) throws UDFArgumentException {
if (args.length != 1) {
throw new UDFArgumentException("explode() takes only one argument");
}
if (args[0].getCategory() != ObjectInspector.Category.LIST) {
throw new UDFArgumentException("explode() takes an array as a parameter");
}
listOI = (ListObjectInspector) args[0];
ArrayList<String> fieldNames = new ArrayList<String>();
ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
fieldNames.add("col");
fieldOIs.add(listOI.getListElementObjectInspector());
return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,
fieldOIs);
}
private final Object[] forwardObj = new Object[1];
@Override
public void process(Object[] o) throws HiveException {
List<?> list = listOI.getList(o[0]);
if(list == null) {
return;
}
for (Object r : list) {
forwardObj[0] = r;
forward(forwardObj);
}
}
@Override
public String toString() {
return "explode";
}
10、wiki鏈接：http://wiki.apache.org/hadoop/Hive/LanguageManual/UDF
In order to start using your UDF, you first need to add the code to the classpath:
|
By default, it will look in the current directory. You can also specify a full path:
|
Your jar will then be on the classpath for all jobs initiated from that session. To see which jars have been added to the classpath you can use:
|
See Hive CLI for full syntax and more examples.
As of Hive 0.13, UDFs also have the option of being able to specify required jars in the CREATE FUNCTION statement:
|
This will add the jar to the classpath as if ADD JAR had been called on that jar.
以上是“udf、udaf、udtf怎么用”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
