hive udf和udaf

一 UDF

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。

c)evaluate函数支持重载。

3、以下是两个数求和函数的UDF。evaluate函数代表两个整型数据相加,两个浮点型数据相加,可变长数据相加

    Hive的UDF开发只需要重构UDF类的evaluate函数即可。例:

package hive;

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;
	}
}



4、步骤

a)把程序打包放到目标机器上去;

b)进入hive客户端,添加jar包:hive>add jar /run/jar/udf_test.jar;

c)创建临时函数:hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.Add';

d)查询HQL语句:

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;

e)销毁临时函数:hive> DROP TEMPORARY FUNCTION add_example;

5、细节在使用UDF的时候,会自动进行类型转换,例如:

SELECT add_example(8,9.1) FROM scores;
注:

1.   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

下面来看下UDAF:

(二)、UDAF

1、Hive查询数据时,有些聚类函数在HQL没有自带,需要用户自定义实现。

2、用户自定义聚合函数: Sum, Average…… n – 1

UDAF(User- Defined Aggregation Funcation)

一、用法

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 terminatePartial(AvgState 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);
		}
	}
}


5、执行求平均数函数的步骤

a)将java文件编译成Avg_test.jar。

b)进入hive客户端添加jar包:

hive>add jar /run/jar/Avg_test.jar。

c)创建临时函数:

hive>create temporary function avg_test 'hive.udaf.Avg';

d)查询语句:

hive>select avg_test(scores.math) from scores;

e)销毁临时函数:

hive>drop temporary function avg_test;

五、总结

1、重载evaluate函数。

2、UDF函数中参数类型可以为Writable,也可为java中的基本数据对象。

3、UDF支持变长的参数。

4、Hive支持隐式类型转换。

5、客户端退出时,创建的临时函数自动销毁。

6、evaluate函数必须要返回类型值,空的话返回null,不能为void类型。

7、UDF是基于单条记录的列进行的计算操作,而UDFA则是用户自定义的聚类函数,是基于表的所有记录进行的计算操作。

8、UDF和UDAF都可以重载。

9、查看函数

SHOW FUNCTIONS; 

DESCRIBE FUNCTION <function_name>;
 

参照以上图示(来自Hadoop权威教程)我们来看看各个函数:

l  Init在类似于构造函数,用于UDF的初始化。

注意上图中红色框中的init函数。在实际运行中,无论hive将记录集划分了多少个部分去做(比如上图中的file1和file2两个部分),init函数仅被调用一次。所以上图中的示例是有歧义的。这也是为什么上面的代码中加了特别的注释来说明。或者换一句话说,init函数中不应该用于初始化部分聚集值相关的逻辑,而应该处理全局的一些数据逻辑。

l  Iterate函数用于聚合。当每一个新的值被聚合时,此函数被调用。

l  TerminatePartial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。

l  Merge函数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)。

l  Terminate返回最终的聚合结果。



### Hive UDF UDAF 函数的用法及区别 #### 定义与功能差异 在Hive中,用户定义函数(User Defined Functions, UDF)允许开发者创建自定义逻辑来处理单个输入行并返回单一输出值。而用户聚合函数(User Defined Aggregation Function, UDAF),则用于执行多行数据上的累积计算操作,最终产生一个汇总结果[^1]。 对于Generic UDFUDAF而言,ObjectInspector是一个核心概念,它提供了访问复杂类型字段的方法以及转换不同类型的对象的能力。 #### 使用场景对比 - **UDF** - 主要应用于需要对每一行的数据单独应用某种变换的情况。 - 实现相对简单,只需继承`org.apache.hadoop.hive.ql.udf.generic.GenericUDF`类,并重写evaluate方法即可实现特定业务逻辑。 - **UDAF** - 更适合于统计分析等场合下,比如求平均数、总之类的运算。 - 需要实现更复杂的接口,通常涉及初始化(`init`)、迭代更新状态(`iterate`)、合并部分结果(`merge`)以及终止返回最终结果(`terminate`)四个阶段的操作。 #### 示例代码展示 ##### 创建简单的字符串长度计算UDF ```java public class StringLength extends GenericUDF { @Override public ObjectInspector initialize(ObjectInspector[] args) throws UDFArgumentException { return PrimitiveObjectInspectorFactory.writableIntObjectInspector; } @Override public DeferredObject[] forward(DeferredObject[] args) throws UDFArgumentLengthException { Text str = (Text)args[0].get(); int length = str.getLength(); return new DeferredObject[]{new DeferredJavaObject(new IntWritable(length))}; } } ``` ##### 构建基本的最大值查找UDAF ```java @Description(name="max", value="_FUNC_(col) - Returns the maximum value of col") public final class Max extends AbstractAggregator<DoubleWritable> implements Serializable { private transient Double max; protected void reset() { this.max = null; } protected void iterate(DoubleWritable val){ double v = val.get(); if(max==null || v > max.doubleValue()){ max=new Double(v); } } protected DoubleWritable terminate(){ return new DoubleWritable((max!=null)?max.doubleValue():Double.NaN); } // Merge function omitted for brevity... } ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值