美文网首页工作生活
自定义udtf函数输出多列

自定义udtf函数输出多列

作者: 星辰fml | 来源:发表于2019-07-04 11:23 被阅读0次

介绍

在hive中,可以对其进行添加自定义的函数来满足自己的特定场景的功能,hive中可以提供三种自定义函数:

  • 普通函数:一进一出
  • UDAF函数:多进一出
  • UDTF函数:一进多出

实现

下面就实现一个将json的属性转换成列的厘子

  • 实现udtf的类必须实现GenericUDTF类,并覆盖以下的三个方法:
  1. initialize:根据其名字就能看出,主要做一些初始化的工作
    2.process:程序的主要执行方法,数据会进入这个方法进行解析,并最后使用forward进行输出
    3.close:关闭资源,可以不用实现,do nothing
  • initialize实现
@Override
    public StructObjectInspector initialize(StructObjectInspector args) throws UDFArgumentException {
        List<? extends StructField> fieldRefs = args.getAllStructFieldRefs();
        if (fieldRefs.size() != 1) {
            throw new IllegalArgumentException("NameParserGenericUDTF() takes exactly one argument");
        }
        ObjectInspector objectInspector = fieldRefs.get(0).getFieldObjectInspector();
        if (ObjectInspector.Category.PRIMITIVE != objectInspector.getCategory()
                && ((PrimitiveObjectInspector) objectInspector).getPrimitiveCategory()
                != PrimitiveObjectInspector.PrimitiveCategory.STRING) {
            throw new UDFArgumentException("NameParserGenericUDTF() takes a string as a parameter");
        }
        stringOI = (PrimitiveObjectInspector) objectInspector;
        // 输出的字段和结构
        List<String> fieldNames = new ArrayList<>();
        List<ObjectInspector> fieldOIs = new ArrayList<>();
        fieldNames.add("name");
       fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        fieldNames.add("age");
fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
    }
  • process实现
String json = stringOI.getPrimitiveJavaObject(args[0]).toString();
        List<Object[]> results = handlerRecord(json);
        for (Object[] result : results) {
            forward(result);
        }

完整代码

import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.PrimitiveObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.StructField;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

import java.util.ArrayList;
import java.util.List;

/**
 * 自定义udtf函数,实现一进多出
 *
 * @author zhangap
 * @wechat zapjone 
 * @version 1.0, 2019/7/4
 */
@Description(name = "ik_parse_json", value = "_FUNC_(json) - ",
        extended = "Example:\n"
                + " > SELECT _FUNC_(json) from src;")
public class JsonTransformUDTF extends GenericUDTF {

    private PrimitiveObjectInspector stringOI;

    @Override
    public StructObjectInspector initialize(StructObjectInspector args) throws UDFArgumentException {
        List<? extends StructField> fieldRefs = args.getAllStructFieldRefs();
        if (fieldRefs.size() != 1) {
            throw new IllegalArgumentException("NameParserGenericUDTF() takes exactly one argument");
        }

        ObjectInspector objectInspector = fieldRefs.get(0).getFieldObjectInspector();
        if (ObjectInspector.Category.PRIMITIVE != objectInspector.getCategory()
                && ((PrimitiveObjectInspector) objectInspector).getPrimitiveCategory()
                != PrimitiveObjectInspector.PrimitiveCategory.STRING) {
            throw new UDFArgumentException("NameParserGenericUDTF() takes a string as a parameter");
        }
        stringOI = (PrimitiveObjectInspector) objectInspector;

        // 输出的字段和结构
        List<String> fieldNames = new ArrayList<>();
        List<ObjectInspector> fieldOIs = new ArrayList<>();

        fieldNames.add("name");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

        fieldNames.add("age");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
    }

    @Override
    public void process(Object[] args) throws HiveException {
        String json = stringOI.getPrimitiveJavaObject(args[0]).toString();
        List<Object[]> results = handlerRecord(json);

        for (Object[] result : results) {
            forward(result);
        }
    }

    @Override
    public void close() throws HiveException {
        // do nothing
    }

    private List<Object[]> handlerRecord(String json) {
        JSONObject jsonObject = JSON.parseObject(json);

        List<Object[]> result = new ArrayList<>();
        result.add(new Object[]{jsonObject.getString("name"), jsonObject.getString("age")});

        return result;
    }

}

验证效果

  • 在hive中创建表
create table test_json_parse(json string)stored as textfile;
  • 编写json文件并上传到hive表结构目录下
json文件内容(000000_0):{"name":"Chain","age":10000}
hdfs上传:hdfs dfs -put 000000_0 /user/hive/warehouse/test_json_parse
  • 添加jar包,和注册临时函数
add jar /home/zap/jar/udtf-0.0.1-SNAPSHOT-jar-with-dependencies.jar;
create temporary function ik_parse_json as 'JsonTransformUDTF';
  • 最终效果


    hive实现效果

相关文章

  • 自定义udtf函数输出多列

    介绍 在hive中,可以对其进行添加自定义的函数来满足自己的特定场景的功能,hive中可以提供三种自定义函数: 普...

  • 看懂UDTF写法

    UDTF函数,表生成函数,他可以把一行打成多行多列,也可以打成一行多列,一列多行。比起UDAF,UDTF更好理解一...

  • HIVE UDTF 自定义函数

    HIVE UDTF 自定义函数 关键词:HIVE UDTF 开发 实例Hive运行用户自定义函数对数据信息处理,...

  • Hive函数

    自定义函数 自定义函数包括三种:UDF、UDAF、UDTF。 UDF(User-Defined-Function)...

  • Hive 用户自定义函数 UDF,UDAF

    Hive有UDF:(普通)UDF,用户自定义聚合函数(UDAF)以及用户自定义生表函数(UDTF)。它们所接受的输...

  • 函数

    函数 内置函数 时间函数 字符串函数 数学函数 条件函数 UDTF函数 表生产函数,一行输入,多行输出。将一行中复...

  • 【Hive】注册UDF的过程

    实现步骤 对比SparkSQL注册UDF的过程SparkSQL用户自定义函数UDF和UDAF、UDTF[https...

  • 大数据面试题搜集--持续更新

    #Hadoop HIVEUDF UDTF UDAF UDF:单行进入,单行输出UDAF:多行进入,单行输出UDTF...

  • Flink流式计算WordCountTopN

    Flink流式计算WordCountTopN可以采用流处理编程和FlinkSql自定义UDTF函数的方式 流处理编...

  • 自定义 UDF 函数,UDTF 函数

    UDF 函数特点: 一行进一行出。简称,一进一出 自定义UDF函数,根据传入进来的key,获取对应的value值 ...

网友评论

    本文标题:自定义udtf函数输出多列

    本文链接:https://www.haomeiwen.com/subject/kndlhctx.html