udf、udaf、udtf怎么用

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(shù)據(jù)倉庫。Hive是一個很開放的系統(tǒng)，很多內(nèi)容都支持用戶定制，包括：

a）文件格式：Text File，Sequence File

b）內(nèi)存中的數(shù)據(jù)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(shù)據(jù)

d）用戶自定義函數(shù): Substr, Trim, 1 – 1

e）用戶自定義聚合函數(shù): Sum, Average…… n – 1

2、定義：UDF(User-Defined-Function)，用戶自定義函數(shù)對數(shù)據(jù)進行處理。

二、用法

1、UDF函數(shù)可以直接應(yīng)用于select語句，對查詢結(jié)構(gòu)做格式化處理后，再輸出內(nèi)容。

2、編寫UDF函數(shù)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(xiàn)evaluate函。

c）evaluate函數(shù)支持重載。

3、以下是兩個數(shù)求和函數(shù)的UDF。evaluate函數(shù)代表兩個整型數(shù)據(jù)相加，兩個浮點型數(shù)據(jù)相加，可變長數(shù)據(jù)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(chuàng)建臨時函數(shù)：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(shù)：hive> DROP TEMPORARY FUNCTION add_example;

5、細節(jié)在使用UDF的時候，會自動進行類型轉(zhuǎn)換，例如：

SELECT add_example(8,9.1) FROM scores;

結(jié)果是17.1，UDF將類型為Int的參數(shù)轉(zhuǎn)化成double。類型的飲食轉(zhuǎn)換是通過UDFResolver來進行控制的。

三、UDAF

1、Hive查詢數(shù)據(jù)時，有些聚類函數(shù)在HQL沒有自帶，需要用戶自定義實現(xiàn)。

2、用戶自定義聚合函數(shù): 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(shù)類需要繼承UDAF類，內(nèi)部類Evaluator實UDAFEvaluator接口。

3、Evaluator需要實現(xiàn) init、iterate、terminatePartial、merge、terminate這幾個函數(shù)。

a）init函數(shù)實現(xiàn)接口UDAFEvaluator的init函數(shù)。

b）iterate接收傳入的參數(shù)，并進行內(nèi)部的輪轉(zhuǎn)。其返回類型為boolean。

c）terminatePartial無參數(shù)，其為iterate函數(shù)輪轉(zhuǎn)結(jié)束后，返回輪轉(zhuǎn)數(shù)據(jù)，terminatePartial類似于hadoop的Combiner。

d）merge接收terminatePartial的返回結(jié)果，進行數(shù)據(jù)merge操作，其返回類型為boolean。

e）terminate返回最終的聚集函數(shù)結(jié)果。

4、以下為一個求平均數(shù)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(shù)類似于構(gòu)造函數(shù)，用于UDAF的初始化
      */
     public void init() {
        state.mSum = 0;
        state.mCount = 0;
     }

     /**
      * iterate接收傳入的參數(shù)，并進行內(nèi)部的輪轉(zhuǎn)。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(shù)，其為iterate函數(shù)輪轉(zhuǎn)結(jié)束后，返回輪轉(zhuǎn)數(shù)據(jù)，
      * 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(jié)果，進行數(shù)據(jù)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(shù)結(jié)果
      * 
      * @return
      */
     public Double terminate() {
        return state.mCount == 0 ? null : Double.valueOf(state.mSum
             / state.mCount);
     }
   }
}

5、執(zhí)行求平均數(shù)函數(shù)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(chuàng)建臨時函數(shù)：

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(shù)：

hive>drop temporary function avg_test;

五、總結(jié)

1、重載evaluate函數(shù)。

2、UDF函數(shù)中參數(shù)類型可以為Writable，也可為java中的基本數(shù)據(jù)對象。

3、UDF支持變長的參數(shù)。

4、Hive支持隱式類型轉(zhuǎn)換。

5、客戶端退出時，創(chuàng)建的臨時函數(shù)自動銷毀。

6、evaluate函數(shù)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(shù)，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(shù)

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(xiàn)initialize, process, close三個方法
3.UDTF首先會
     a.調(diào)用initialize方法，此方法返回UDTF的返回行的信息（返回個數(shù)，類型）
     b.初始化完成后，會調(diào)用process方法，對傳入的參數(shù)進行處理，可以通過forword()方法把結(jié)果返回
     c.最后close()方法調(diào)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

Deploying Jars for User Defined Functions and User Defined SerDes

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(nèi)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(nèi)容對大家有所幫助，如果還想學習更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！