Hive中UDF、UDAF和UDTF使用
来源:互联网 发布:golang mgo 连接池 编辑:程序博客网 时间:2024/04/25 23:49
1.Hive中的内置函数
org.apache.hadoop.hive.ql.exec.FunctionRegistry类中定义了Hive目前内置的自定义函数registerGenericUDF("concat", GenericUDFConcat.class); registerUDF("substr", UDFSubstr.class, false); registerUDF("substring", UDFSubstr.class, false); registerUDF("space", UDFSpace.class, false); registerUDF("repeat", UDFRepeat.class, false); registerUDF("ascii", UDFAscii.class, false); registerGenericUDF("lpad", GenericUDFLpad.class); registerGenericUDF("rpad", GenericUDFRpad.class); registerUDF("ln", UDFLn.class, false); registerUDF("log2", UDFLog2.class, false); registerUDF("sin", UDFSin.class, false); registerUDF("asin", UDFAsin.class, false); registerUDF("cos", UDFCos.class, false); registerUDF("acos", UDFAcos.class, false); registerUDF("log10", UDFLog10.class, false); registerUDF("log", UDFLog.class, false); registerUDF("exp", UDFExp.class, false); registerGenericUDF("power", GenericUDFPower.class); registerGenericUDF("pow", GenericUDFPower.class); registerUDF("sign", UDFSign.class, false); registerUDF("pi", UDFPI.class, false); registerUDF("degrees", UDFDegrees.class, false); registerUDF("radians", UDFRadians.class, false); registerUDF("atan", UDFAtan.class, false); registerUDF("tan", UDFTan.class, false); registerUDF("e", UDFE.class, false); registerUDF("conv", UDFConv.class, false); registerUDF("bin", UDFBin.class, false); registerUDF("hex", UDFHex.class, false); registerUDF("unhex", UDFUnhex.class, false); registerUDF("base64", UDFBase64.class, false); registerUDF("unbase64", UDFUnbase64.class, false); registerGenericUDF("encode", GenericUDFEncode.class); registerGenericUDF("decode", GenericUDFDecode.class); registerGenericUDF("upper", GenericUDFUpper.class); registerGenericUDF("lower", GenericUDFLower.class); registerGenericUDF("ucase", GenericUDFUpper.class); registerGenericUDF("lcase", GenericUDFLower.class); registerGenericUDF("trim", GenericUDFTrim.class); registerGenericUDF("ltrim", GenericUDFLTrim.class); registerGenericUDF("rtrim", GenericUDFRTrim.class); registerUDF("length", UDFLength.class, false); registerUDF("reverse", UDFReverse.class, false); registerGenericUDF("field", GenericUDFField.class); registerUDF("find_in_set", UDFFindInSet.class, false); registerUDF("like", UDFLike.class, true); registerUDF("rlike", UDFRegExp.class, true); registerUDF("regexp", UDFRegExp.class, true); registerUDF("regexp_replace", UDFRegExpReplace.class, false); registerUDF("regexp_extract", UDFRegExpExtract.class, false); registerUDF("parse_url", UDFParseUrl.class, false); registerGenericUDF("nvl", GenericUDFNvl.class); registerGenericUDF("split", GenericUDFSplit.class); registerGenericUDF("str_to_map", GenericUDFStringToMap.class); registerGenericUDF("translate", GenericUDFTranslate.class); registerGenericUDF("date_add", GenericUDFDateAdd.class); registerGenericUDF("date_sub", GenericUDFDateSub.class); registerGenericUDF("datediff", GenericUDFDateDiff.class); registerUDF("get_json_object", UDFJson.class, false);
2.UDF
Hive的UDF开发只需要重构UDF类的evaluate函数即可。例: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; }}
3.UDAF
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。
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(Double 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);}}
4.UDTF
(1) 继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。
(2)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。
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; } } } }
0 0
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF使用
- Hive中UDF、UDAF和UDTF使用
- hive中UDF、UDAF和UDTF详解
- hive 中udf,udaf,udtf
- hive udf、udaf和udtf
- HIVE UDF/UDAF/UDTF
- hive udf \udaf\udtf
- hive中UDF、UDTF、UDAF快速上手
- hive中自定义UDAF、 UDTF、 UDF
- HIVE UDF UDAF UDTF 区别 使用
- hive自定义UDF、UDAF、UDTF及使用
- hive udf、udaf、udtf使用区分
- 添加react到已存在的项目中(Adding React to an Existing Application)-1
- nfs客户端执行报错
- 方法多态
- 离散题目3
- [PAT]1049. 数列的片段和(20)
- Hive中UDF、UDAF和UDTF使用
- bzoj1029: [JSOI2007]建筑抢修
- tensorflow学习笔记十六:tensorflow官方文档学习 如何训练Inception v3模型最后一层
- 在 Elasticsearch中设置 BooleanQuery maxClauseCount
- 动画animation及其围绕效果
- C#一些简单的知识
- 网易demolo + mysql +新版的generic pool 布置数据库的坑
- C++知识文档十_模板
- Android Arcgis入门(二)、MapView与图层介绍