Hive中UDF和UDAF详细介绍和使用

来源:互联网 发布:1元夺宝源码 编辑:程序博客网 时间:2022/05/28 00:12

一、UDF

1、背景:Hive是基于Hadoop中的MapReduce,提供HQL查询的数据仓库。Hive是一个很开放的系统,很多内容都支持用户定制,包括:

a)文件格式:Text File,Sequence File

b)内存中的数据格式: Java Integer/String, Hadoop IntWritable/Text

c)用户提供的 map/reduce 脚本:不管什么语言,利用 stdin/stdout 传输数据

d)用户自定义函数: Substr, Trim, 1 – 1

e)用户自定义聚合函数: Sum, Average…… n – 1

2、定义:UDF(User-Defined-Function),用户自定义函数对数据进行处理。

二、用法

1、UDF函数可以直接应用于select语句,对查询结构做格式化处理后,再输出内容。

2、编写UDF函数的时候需要注意一下几点:

a)自定义UDF需要继承org.apache.hadoop.hive.ql.UDF。

b)需要实现evaluate函。

c)evaluate函数支持重载。

3、以下是两个数求和函数的UDF。evaluate函数代表两个整型数据相加,两个浮点型数据相加,可变长数据相加。

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、步骤

a)把程序打包放到目标机器上去;

b)进入hive客户端,添加jar包:hive>add jar /run/jar/udf_test.jar;

c)创建临时函数:hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';

d)查询HQL语句:

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)销毁临时函数:hive> DROP TEMPORARY FUNCTION add_example;

5、细节在使用UDF的时候,会自动进行类型转换,例如:

SELECT add_example(8,9.1) FROM scores;

结果是17.1,UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的。

三、UDAF

1、Hive查询数据时,有些聚类函数在HQL没有自带,需要用户自定义实现。

2、用户自定义聚合函数: Sum, Average…… n – 1

UDAF(User- Defined Aggregation Funcation)

 

四、用法

1、一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator。

2、函数类需要继承UDAF类,内部类Evaluator实UDAFEvaluator接口。

3、Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数。

a)init函数实现接口UDAFEvaluator的init函数。

b)iterate接收传入的参数,并进行内部的轮转。其返回类型为boolean。

c)terminatePartial无参数,其为iterate函数轮转结束后,返回轮转数据,terminatePartial类似于hadoop的Combiner。

d)merge接收terminatePartial的返回结果,进行数据merge操作,其返回类型为boolean。

e)terminate返回最终的聚集函数结果。

4、以下为一个求平均数的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函数类似于构造函数,用于UDAF的初始化      */     public void init() {        state.mSum = 0;        state.mCount = 0;     }     /**      * iterate接收传入的参数,并进行内部的轮转。其返回类型为boolean      *       * @param o      * @return      */     public boolean iterate(Double o) {        if (o != null) {          state.mSum += o;          state.mCount++;        }        return true;     }     /**      * terminatePartial无参数,其为iterate函数轮转结束后,返回轮转数据,      * terminatePartial类似于hadoop的Combiner      *       * @return      */     public AvgState terminatePartial() {// combiner        return state.mCount == 0 ? null : state;     }     /**      * merge接收terminatePartial的返回结果,进行数据merge操作,其返回类型为boolean      *       * @param o      * @return      */     public boolean merge(AvgState o) {        if (o != null) {          state.mCount += o.mCount;          state.mSum += o.mSum;        }        return true;     }     /**      * terminate返回最终的聚集函数结果      *       * @return      */     public Double terminate() {        return state.mCount == 0 ? null : Double.valueOf(state.mSum             / state.mCount);     }   }}
5、执行求平均数函数的步骤

a)将java文件编译成Avg_test.jar。

b)进入hive客户端添加jar包:

hive>add jar /run/jar/Avg_test.jar。

c)创建临时函数:

hive>create temporary function avg_test 'hive.udaf.Avg';

d)查询语句:

hive>select avg_test(scores.math) from scores;

e)销毁临时函数:

hive>drop temporary function avg_test;

五、总结

1、重载evaluate函数。

2、UDF函数中参数类型可以为Writable,也可为java中的基本数据对象。

3、UDF支持变长的参数。

4、Hive支持隐式类型转换。

5、客户端退出时,创建的临时函数自动销毁。

6、evaluate函数必须要返回类型值,空的话返回null,不能为void类型。

7、UDF是基于单条记录的列进行的计算操作,而UDFA则是用户自定义的聚类函数,是基于表的所有记录进行的计算操作。

8、UDF和UDAF都可以重载。

9、查看函数

SHOW FUNCTIONS; 
DESCRIBE FUNCTION <function_name>;

10、wiki链接:http://wiki.apache.org/hadoop/Hive/LanguageManual/UDF