[TOC]
# 自定義函數
當Hive提供的內置函數無法滿足你的業務處理需要時,此時就可以考慮使用用戶自定義函數(`UDF:user-defined function`)。
# 自定義函數類別
UDF 作用于單個數據行,產生一個數據行作為輸出。(數學函數,字符串函數)
UDAF(用戶定義聚集函數):接收多個輸入數據行,并產生一個輸出數據行。(count,max)
# UDF開發實例
## 簡單UDF示例
1. 先開發一個java類,繼承UDF,并重載evaluate方法
~~~
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;
public final class Lower extends UDF{
public Text evaluate(final Text s){
if(s==null){return null;}
return new Text(s.toString().toLowerCase());
}
}
~~~
2. 打成jar包上傳到服務器
3. 將jar包添加到hive的classpath
~~~
hive>add JAR /home/hadoop/udf.jar;
~~~
4. 創建臨時函數與開發好的java class關聯
~~~
Hive>create temporary function tolowercase as 'cn.bigdata.Lower';
~~~
5. 即可在hql中使用自定義的函數tolowercase ip?
~~~
select tolowercase(name),age from t_test;
~~~
**自定義函數只在當前session有用**
## Json數據解析UDF開發
有原始json數據如下:
~~~
{"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}
{"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"}
{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}
{"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"}
{"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"}
{"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"}
{"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"}
~~~
需要將數據導入到hive數據倉庫中
我不管你中間用幾個表,最終我要得到一個結果表:
~~~
movie rate timestamp uid
1197 3 978302268 1
~~~
注:全在hive中完成,可以用自定義函數
~~~
//{"movie":"1721","rate":"3","timeStamp":"965440048","uid":"5114"}
public class MovieRateBean {
private String movie;
private String rate;
private String timeStamp;
private String uid;
public String getMovie() {
return movie;
}
public void setMovie(String movie) {
this.movie = movie;
}
public String getRate() {
return rate;
}
public void setRate(String rate) {
this.rate = rate;
}
public String getTimeStamp() {
return timeStamp;
}
public void setTimeStamp(String timeStamp) {
this.timeStamp = timeStamp;
}
public String getUid() {
return uid;
}
public void setUid(String uid) {
this.uid = uid;
}
@Override
public String toString() {
return movie + "\t" + rate + "\t" + timeStamp + "\t" + uid;
}
}
~~~
~~~
import java.io.IOException;
import org.apache.hadoop.hive.ql.exec.UDF;
import parquet.org.codehaus.jackson.JsonParseException;
import parquet.org.codehaus.jackson.map.JsonMappingException;
import parquet.org.codehaus.jackson.map.ObjectMapper;
public class JsonParser extends UDF {
public String evaluate(String jsonLine) {
ObjectMapper objectMapper = new ObjectMapper();
try {
MovieRateBean bean = objectMapper.readValue(jsonLine, MovieRateBean.class);
return bean.toString();
} catch (Exception e) {
}
return "";
}
}
~~~
創建表
~~~
create table rat_json(line string) row format delimited;
~~~
然后導入數據,和jar包
~~~
create temporary function parsejson as 'com.hive.JsonParser';
~~~
~~~
select parsejson(line) from rat_json limit 10;
~~~
出現這個錯誤,就是函數寫錯了,或者打包出錯了
~~~
SemanticException [Error 10014]: Line 1:7 Wrong arguments 'line': No matching method for class com.hive.ParseJson with (string). Possible choices:
~~~
## 內置解析json
`get_json_object`
~~~
hive> select * from rat_json limit 10;
OK
{"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}
{"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"}
{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}
{"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"}
{"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"}
{"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"}
{"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"}
{"movie":"2804","rate":"5","timeStamp":"978300719","uid":"1"}
{"movie":"594","rate":"4","timeStamp":"978302268","uid":"1"}
{"movie":"919","rate":"4","timeStamp":"978301368","uid":"1"}
Time taken: 0.131 seconds, Fetched: 10 row(s)
hive> select get_json_object(line,'$.movie') as moive,get_json_object(line,'$.rate') as rate from rat_json limit 10;
OK
1193 5
661 3
914 3
3408 4
2355 5
1197 3
1287 5
2804 5
594 4
919 4
Time taken: 0.108 seconds, Fetched: 10 row(s)
~~~
# 函數的有效區域
## 臨時函數
1. 自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF。
2. 需要實現evaluate函數,evaluate函數支持重載。(注意:在一個庫中創建的UDF函數,不能在另一個庫中使用 )
3. 把程序打包放到目標機器上去;
4. 進入hive客戶端,添加jar包:`hive>add jar /run/jar/udf_test.jar;`
5. 創建臨時函數:`hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';`
6. 查詢HQL語句:
~~~
SELECT add_example(8, 9) FROM scores;
SELECT add_example(scores.math, scores.art) FROM scores;
SELECT add_example(6, 7, 8, 6.8) FROM scores;
~~~
7. 銷毀臨時函數:hive> DROP TEMPORARY FUNCTION add_example;
注:UDF只能實現一進一出的操作,如果需要實現多進一出,則需要實現UDAF
## 永久函數
1. 自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF。(注意該類的包名必須是org.apache.hadoop.hive.ql.udf)
2. 需要實現evaluate函數,evaluate函數支持重載。
3. 修改FunctionRegistry這個類,注冊定義的udf
4. 把udf函數編譯成class放到hive-exec-0.12.0-cdh5.0.0.jar中org\apache\hadoop\hive\ql\udf 路徑下面
5. 將新的FunctionRegistry編譯后的class文件替換hive-exec-0.12.0-cdh5.0.0.jar中的org.apache.hadoop.hive.ql.exec
- linux
- 常用命令
- 高級文本命令
- 面試題
- redis
- String
- list
- hash
- set
- sortedSet
- 案例-推薦
- java高級特性
- 多線程
- 實現線程的三種方式
- 同步關鍵詞
- 讀寫鎖
- 鎖的相關概念
- 多線程的join
- 有三個線程T1 T2 T3,保證順序執行
- java五種線程池
- 守護線程與普通線程
- ThreadLocal
- BlockingQueue消息隊列
- JMS
- 反射
- volatile
- jvm
- IO
- nio
- netty
- netty簡介
- 案例一發送字符串
- 案例二發送對象
- 輕量級RPC開發
- 簡介
- spring(IOC/AOP)
- spring初始化順序
- 通過ApplicationContextAware加載Spring上下文
- InitializingBean的作用
- 結論
- 自定義注解
- zk在框架中的應用
- hadoop
- 簡介
- hadoop集群搭建
- hadoop單機安裝
- HDFS簡介
- hdfs基本操作
- hdfs環境搭建
- 常見問題匯總
- hdfs客戶端操作
- mapreduce工作機制
- 案列-單詞統計
- 局部聚合Combiner
- 案列-流量統計(分區,排序,比較)
- 案列-倒排索引
- 案例-共同好友
- 案列-join算法實現
- 案例-求topN(分組)
- 自定義inputFormat
- 自定義outputFormat
- 框架運算全流程
- mapreduce的優化方案
- HA機制
- Hive
- 安裝
- DDL操作
- 創建表
- 修改表
- DML操作
- Load
- insert
- select
- join操作
- 嚴格模式
- 數據類型
- shell參數
- 函數
- 內置運算符
- 內置函數
- 自定義函數
- Transform實現
- 特殊分割符處理
- 案例
- 級聯求和accumulate
- flume
- 簡介
- 安裝
- 常用的組件
- 攔截器
- 案例
- 采集目錄到HDFS
- 采集文件到HDFS
- 多個agent串聯
- 日志采集和匯總
- 自定義攔截器
- 高可用配置
- 使用注意
- sqoop
- 安裝
- 數據導入
- 導入數據到HDFS
- 導入關系表到HIVE
- 導入表數據子集
- 增量導入
- 數據導出
- 作業
- 原理
- azkaban
- 簡介
- 安裝
- 案例
- 簡介
- command類型單一job
- command類型多job工作流flow
- HDFS操作任務
- mapreduce任務
- hive腳本任務
- hbase
- 簡介
- 安裝
- 命令行
- 基本CURD
- 過濾器查詢
- 系統架構
- 物理存儲
- 尋址機制
- 讀寫過程
- Region管理
- master工作機制
- 建表高級屬性
- 與mapreduce結合
- 協處理器
- 點擊流平臺開發
- 簡介
- storm
- 簡介
- 安裝
- 集群啟動及任務過程分析
- 單詞統計
- 并行度
- ACK容錯機制
- ACK簡介