Hive的UDF函数

【前言】常见的数据库都有函数，hive自身也有函数。分为内置函数和自定义的UDF函数，自定义函数例如（sum 、count、min、max等）。
另外函数与存储过程是有区别的，存储过程无返回值而函数有返回值

【编写[Hive]UDF有两种方式】

1. extends UDF ， 重写evaluate方法
2. extends GenericUDF，重写initialize、getDisplayString、evaluate方法

案例：这里以中英文替换为例（hive里存储的数据nation字段都是英文，业务要求转换为中文）

原hive数据：

hive数据.png

UDF函数查询数据：

UDF结果.png

【步骤】
1：编写java业务处理类

import java.util.Map;

import org.apache.commons.collections.map.HashedMap;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;

public class DemoUDF extends UDF {
    
    public static Map<String,String> nationMap = new HashedMap();
    static{
        nationMap.put("china", "中国");
        nationMap.put("us", "美国");
        nationMap.put("uk", "英国");
    }
    Text t = new Text();
    public Text evaluate(Text nation){
        String nation_e = nation.toString();
        String name = nationMap.get(nation_e);
        if(name == null ){
            name = "非中美英";
        }
        t.set(name);
        return t;
    }
}

2:导出jar并上传至linux服务器
3:添加jar包（在hive命令行里面执行）

      hive> add jar /root/Desktop/NUDF.jar;

4:创建临时函数

      hive> create temporary function getNation as 'cn.itcast.hive.udf.NationUDF';

5:3.调用

    hive> select id, name, size,getNation(nation) from girls;

6:将查询结果保存到HDFS中

    hive> create table result row format delimited fields terminated by '\t' as select * from beauty order by id desc;  
    hive> select id, getAreaName(id) as name from tel_rec;

2016-12-29_173150.png 结果.png

生成udf.jar

hive有三种方法使用自定义的UDF函数

1. 临时添加UDF
如下：

hive> select * from test;     
OK  
Hello  
wORLD  
ZXM  
ljz  
Time taken: 13.76 seconds  
hive> add jar /home/work/udf.jar;                                
Added /home/work/udf.jar to class path  
Added resource: /home/work/udf.jar  
hive> create temporary function mytest as 'test.udf.ToLowerCase';  
OK  
Time taken: 0.103 seconds  
hive> show functions;  
......  
mytest  
......  
hive> select mytest(test.name) from test;  
......  
OK  
hello  
world  
zxm  
ljz  
Time taken: 38.218 seconds 

这种方式在会话结束后，函数自动销毁，因此每次打开新的会话，都需要重新add jar并且create temporary function

2. 进入会话前自动创建
使用hive -i参数在进入hive时自动初始化

$ cat hive_init   
add jar /home/work/udf.jar;  
create temporary function mytest as 'test.udf.ToLowerCase';  
$ hive -i hive_init   
Logging initialized using configuration in file:/home/work/hive/hive-0.8.1/conf/hive-log4j.properties  
Hive history file=/tmp/work/hive_job_log_work_201209200147_1951517527.txt  
hive> show functions;  
......  
mytest  
......  
hive> select mytest(test.name) from test;  
......  
OK  
hello  
world  
zxm  
ljz 

方法2和方法1本质上是相同的，区别在于方法2在会话初始化时自动完成

3. 自定义UDF注册为hive内置函数
即是上边案例的方式

和前两者相比，第三种方式直接将用户的自定义函数作为注册为内置函数，未来使用起来非常简单，但这种方式也非常危险，一旦出错，将是灾难性的，因此，建议如果不是特别通用，并且固化下来的函数，还是使用前两种方式比较靠谱。