Hive自定义UDTF

UDTF(User-Defined Table-Generating Functions)用来解决输入一行输出多行(one-to-many maping)的需求。

编写自己的UDTF：

1.继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。

2.实现initialize()，process()，close()三个方法。

3.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)。

4.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forward()方法把结果返回。

5.最后调用close()对需要清理的方法进行清理。

示例：使用UDTF对"Key：Value"这种字符串进行切分，返回结果为Key，Value两个字段。

import java.util.ArrayList; import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF; import org.apache.hadoop.hive.ql.exec.UDFArgumentException; import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException; import org.apache.hadoop.hive.ql.metadata.HiveException; 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; public class ExplodeMap extends GenericUDTF{     @Override     public void close() throws HiveException {         // TODO Auto-generated method stub         }     @Override     public StructObjectInspector initialize(ObjectInspector[] args)             throws UDFArgumentException {         if (args.length != 1) {             throw new UDFArgumentLengthException("ExplodeMap takes only one argument");         }         if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {             throw new UDFArgumentException("ExplodeMap takes string as a parameter");         }         ArrayList<String> fieldNames = new ArrayList<String>();         ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();         fieldNames.add("col1");         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);         fieldNames.add("col2");         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);         return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);     }     @Override     public void process(Object[] args) throws HiveException {         String input = args[0].toString();         String[] test = input.split(";");         for(int i=0; i<test.length; i++) {             try {                 String[] result = test[i].split(":");                 forward(result);             } catch (Exception e) {                 continue;             }         }     } }

1.打包发送到服务器。

2.添加到Hive环境中：

hive (hive)> add jar /usr/local/src/udtf.jar<span style="font-family: Arial, Helvetica, sans-serif;">;</span>Added /usr/local/src/udtf.jar to class pathAdded resource: /usr/local/src/udtf.jar

3.创建临时函数：

hive (hive)> create temporary function explode_map as 'com.lixue.udtf.ExplodeMap';OKTime taken: 0.0080 seconds

4.查询(UDTF有两种使用方式，一种是直接放到select后面，另外一种是和lateral view一起使用)：

hive (hive)> select explode_map('name:lavimer;age:23') as (col1,col2) from employees;//MapReduceOKcol1col2namelavimerage23namelavimerage23namelavimerage23

注：不可以添加其他字段使用，如下：

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

可以和lateral view一起使用：

hive (hive)> select user.id,employees.col1,employees.col2 from user lateral view explode_map('name:lavimer,age:23') employees as col1,col2;//MapReduce...OKidcol1col21namelavimer1age232namelavimer2age233namelavimer3age23

注：此方法更为方便使用。执行过程相当于单独执行了两次抽取，然后union到一个表里。