UDTF详解

来源：互联网发布：c语言病毒代码编辑：程序博客网时间：2024/05/18 20:31

1. UDTF介绍

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。

2. 编写自己需要的UDTF

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,真正的处理过程在process函数中，在process中，每一次forward()调用产生一行；如果产生多列可以将多个列的值放在一个数组中，然后将该数组传入到forward()函数。

最后close()方法调用，对需要清理的方法进行清理。

下面是我写的一个用来切分”key:value;key:value;”这种字符串，返回结果为key, value两个字段。供参考：

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;             }         }     } }

3. 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。

1：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

2：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。

参考文档

http://wiki.apache.org/hadoop/Hive/LanguageManual/UDF
http://wiki.apache.org/hadoop/Hive/DeveloperGuide/UDTF
http://www.slideshare.net/pauly1/userdefined-table-generating-functions

转自 http://blog.csdn.net/tylgoodluck/article/details/7003083

0 0