(6)Hive 高级编程——深入浅出学Hive

转自：http://sishuok.com/forum/blogPost/list/6220.html

第一部分：产生背景产生背景•为了满足客户个性化的需求，Hive被设计成一个很开放的系统，很多内容都支持用户定制，包括：•文件格式：Text File，Sequence File•内存中的数据格式： Java Integer/String, Hadoop  IntWritable/Text•用户提供的 map/reduce 脚本：不管什么语言，利用 stdin/stdout 传输数据•用户自定义函数自定义函数•虽然Hive提供了很多函数，但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发•自定义函数包括三种UDF、UADF、UDTF•UDF(User-Defined-Function)•UDAF（User- Defined Aggregation Funcation）•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。 HIVE中使用定义的函数的三种方式•在HIVE会话中add 自定义函数的jar文件，然后创建function，继而使用函数•在进入HIVE会话之前先自动执行创建function，不用用户手工创建•把自定义的函数写到系统函数中，使之成为HIVE的一个默认函数，这样就不需要create temporary function 第二部分：UDFUDF用法•UDF(User-Defined-Function)•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•编写UDF函数的时候需要注意一下几点•自定义UDF需要继承org.apache.hadoop.hive.ql.UDF•需要实现evaluate函数•evaluate函数支持重载•UDF只能实现一进一出的操作，如果需要实现多进一出，则需要实现UDAFUDF用法代码示例 import org.apache.Hadoop.hive.ql.exec.UDF      public  class Helloword  extends UDF{         public String evaluate(){              return "hello world!";        }           public String evaluate(String str){              return "hello world: " + str;        }   }开发步骤•开发代码•把程序打包放到目标机器上去•进入hive客户端•添加jar包：hive>add jar /run/jar/udf_test.jar;•创建临时函数：hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘•查询HQL语句：•SELECT my_add (8, 9) FROM scores;•SELECT my_add (scores.math, scores.art) FROM scores;•销毁临时函数：hive> DROP TEMPORARY FUNCTION my_add ;•细节•在使用UDF的时候，会自动进行类型转换，例如： SELECT my_add (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来进行控制的第三部分：UDAFUDAF•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•用户自定义聚合函数: Sum, Average…… n – 1•UDAF（User- Defined Aggregation Funcation） 用法•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开发步骤•函数类需要继承UDAF类，内部类Evaluator实UDAFEvaluator接口•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。执行步骤•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; UDAF代码示例public class MyAvg extends UDAF { public static class AvgEvaluator implements UDAFEvaluator {}public void init() {}public boolean iterate(Double o) {}public AvgState terminatePartial() {}public boolean terminatePartial(Double o) { }public Double terminate() {} }第四部分：UDTFUDTF•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。开发步骤•UDTF步骤：•必须继承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使用方法•UDTF有两种使用方法，一种直接放到select后面，一种和lateral view一起使用•直接select中使用：select explode_map(properties) as (col1,col2) from src;•不可以添加其他字段使用：select a, explode_map(properties) as (col1,col2) from src•不可以嵌套调用：select explode_map(explode_map(properties)) from src•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•和lateral view一起使用：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。lateral view• Lateral View语法•lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*   •Lateral View用于UDTF(user-defined table generating functions)中将行转成列，例如explode().•目前Lateral View不支持有上而下的优化。如果使用Where子句，查询可能将不被编译。解决方法见：     此时，在查询之前执行set hive.optimize.ppd=false;•  例子•pageAds。它有两个列string pageidArray<int> adid_list" front_page"[1, 2, 3]"contact_page "[ 3, 4, 5]•SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;•将输出如下结果string pageid int adid"front_page" 1…….“contact_page" 3 代码示例public class MyUDTF extends GenericUDTF{public StructObjectInspector initialize(ObjectInspector[] args) {}public void process(Object[] args) throws HiveException { }}实现：切分 ” key:value;key:value;” 这种字符串， 返回结果为 key, value 两个字段