hive如何自定义函数
这篇文章主要为大家展示了“hive如何自定义函数”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“hive如何自定义函数”这篇文章吧。
成都创新互联秉承实现全网价值营销的理念，以专业定制企业官网，成都网站制作、网站设计、外贸网站建设，重庆小程序开发，网页设计制作，手机网站开发，全网营销推广帮助传统企业实现“互联网+”转型升级专业定制企业官网,公司注重人才、技术和管理，汇聚了一批优秀的互联网技术人才,对客户都以感恩的心态奉献自己的专业和所长。
自定义函数包括三种UDF、UDAF、UDTF
UDF(User-Defined-Function) 一进一出
UDAF(User- Defined Aggregation Funcation) 聚集函数，多进一出。Count/max/min
UDTF(User-Defined Table-Generating Functions) 一进多出，如lateral view explore()
使用方式 ：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
UDF
这是普通的用户自定义函数。接受单行输入，并产生单行输出。
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函数，evaluate函数支持重载。
注：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UDAF
udf实现对字符串的截取
package hive;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.apache.hadoop.hive.ql.exec.UDF;
public class GetCmsID extends UDF{
public String evaluate(String url){
String cmsid = null;
if(url ==null || "".equals(url)){
return cmsid;
}
Pattern pat = Pattern.compile("topicId=[0-9]+");
Matcher matcher = pat.matcher(url);
if(matcher.find() ){
cmsid=matcher.group().split("topicId=")[1];
}
return cmsid;
}
public String evaluate(String pattern,String url ){
String cmsid = null;
if(url ==null || "".equals(url)){
return cmsid;
}
Pattern pat = Pattern.compile(pattern+"[0-9]+");
Matcher matcher = pat.matcher(url);
if(matcher.find() ){
cmsid=matcher.group().split(pattern)[1];
}
return cmsid;
}
public static void main(String[] args) {
String url = "http://www.baidu.com/cms/view.do?topicId=123456";
GetCmsID getCmsID = new GetCmsID();
System.out.println(getCmsID.evaluate(url));
System.out.println(getCmsID.evaluate("topicId=",url));
}
}UDAF
用户定义聚集函数（User-defined aggregate function）。接受多行输入，并产生单行输出。比如MAX，COUNT函数。
1.必须继承
org.apache.hadoop.hive.ql.exec.UDAF(函数类继承)
org.apache.hadoop.hive.ql.exec.UDAFEvaluator(内部类Evaluator实现UDAFEvaluator接口)
2.Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数
init():类似于构造函数，用于UDAF的初始化
iterate():接收传入的参数，用于聚合。当每一个新的值被聚合时，此函数被调用,返回boolean
terminatePartial():无参数，函数在部分聚合完成后被调用。当hive希望得到部分记录的聚合结果时，此函数被调用。
merge():接收terminatePartial的返回结果，用于合并先前得到的部分聚合结果（也可以理解为分块记录的聚合结果），其返回类型为boolean
terminate():返回最终的聚集函数结果
merge的输入参数类型和terminatePartial函数的返回值类型必须是一致的。
packagecom.oserp.hiveudf;
importorg.apache.hadoop.hive.ql.exec.UDAF;
importorg.apache.hadoop.hive.ql.exec.UDAFEvaluator;
importorg.apache.hadoop.hive.serde2.io.DoubleWritable;
importorg.apache.hadoop.io.IntWritable;
public class HiveAvg extends UDAF {
public static class AvgEvaluate implements UDAFEvaluator
{
public static class PartialResult
{
public intcount;
public doubletotal;
public PartialResult()
{
count = 0;
total = 0;
}
}
private PartialResult partialResult;
@Override
public void init() {
partialResult = new PartialResult();
}
public boolean iterate(IntWritable value)
{
// 此处一定要判断partialResult是否为空，否则会报错
// 原因就是init函数只会被调用一遍，不会为每个部分聚集操作去做初始化
//此处如果不加判断就会出错
if (partialResult==null)
{
partialResult =new PartialResult();
}
if (value !=null)
{
partialResult.total =partialResult.total +value.get();
partialResult.count=partialResult.count + 1;
}
return true;
}
public PartialResult terminatePartial()
{
returnpartialResult;
}
public boolean merge(PartialResult other)
{
partialResult.total=partialResult.total + other.total;
partialResult.count=partialResult.count + other.count;
return true;
}
public DoubleWritable terminate()
{
return newDoubleWritable(partialResult.total /partialResult.count);
}
}
}
部署运行
1).把程序打包放到目标机器上去
2).进入hive客户端，添加jar包：
hive> add jar /home/sfd/udf_test.jar
3).创建临时函数：
hive> create temporary function <函数名>
> as 'java全类名';
4).销毁临时函数：
hive> drop temporary function <函数名>;
以上是“hive如何自定义函数”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
当前文章：hive如何自定义函数
路径分享：http://scjbc.cn/article/pehhde.html
