自定义UDF函数

原创已于 2022-07-03 17:15:25 修改 · 2.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#hive #hadoop #big data

于 2022-01-23 21:40:14 首次发布

hive 专栏收录该内容

10 篇文章

订阅专栏

自定义函数案例：

文章目录

自定义UDF函数

1.需求

自定义一个UDF实现计算给定字符串的长度例如

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8ZqHfWL7-1642945083980)(C:\Users\Admin\AppData\Roaming\Typora\typora-user-images\image-20220123150507709.png)]$

2.前期maven工程准备

创建一个maven工程，导入依赖

<dependencies>
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>3.1.2</version>
</dependency>
</dependencies>

3.编程实现

编写实现类

package com.yingzi.hive1;


import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentTypeException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
/**
 * @author 影子
 * @create 2022-01-23-14:08
 **/

/**
 * 自定义UDF函数,继承GenericUDF类
 * 需求：计算指定字符串的长度
 */
public class MyStringLength extends GenericUDF {
    /**
     *
     * @param objectInspectors 输入参数类型的鉴别器对象
     * @return 返回值类型的鉴别器对象
     * @throws UDFArgumentException
     */
    @Override
    public ObjectInspector initialize(ObjectInspector[] objectInspectors) throws UDFArgumentException {

        //  判断输入参数的个数
        if (objectInspectors.length != 1){
            throw new UDFArgumentLengthException("Input Args Length Error!!!");
        }
        //  判断输入参数的类型
        if (!objectInspectors[0].getCategory().equals(ObjectInspector.Category.PRIMITIVE)){
            throw new UDFArgumentTypeException(0,"Input Args Type Error!!!");
        }
        //  函数本身返回值为int,需要返回int类型的鉴别器对象
        return  PrimitiveObjectInspectorFactory.javaIntObjectInspector;
    }

    /**
     * 函数的逻辑处理
     * @param deferredObjects 输入的参数
     * @return 返回值
     * @throws HiveException
     */
    @Override
    public Object evaluate(DeferredObject[] deferredObjects) throws HiveException {
        if (deferredObjects[0].get() == null){
            return 0;
        }
        return deferredObjects[0].get().toString().length();
    }

    @Override
    public String getDisplayString(String[] strings) {
        return "";
    }
}

4.导包

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FOXNHmjH-1642945083982)(C:\Users\Admin\AppData\Roaming\Typora\typora-user-images\image-20220123150806976.png)]$

将上述包，放到虚拟机的hive/lib下

5.导入hive中

1）将jar包添加到hive的calsspath

add jar /opt/module/hive/libHIVE_test-1.0-SNAPSHOT.jar

2）创建临时函数与开发好的 java class 关联

create temporary function my_len as "com.yingzi.hive1.MyStringLength";

3）验证是否导入成功！！！

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8I8ghPNA-1642945083983)(C:\Users\Admin\AppData\Roaming\Typora\typora-user-images\image-20220123151144648.png)]$

自定义UDTF函数

1.需求

自定义一个 UDTF 实现将一个任意分割符的字符串切割成独立的单词，例如：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DfYV4ICB-1642945083983)(C:\Users\Admin\AppData\Roaming\Typora\typora-user-images\image-20220123153505788.png)]$

2.编程实现

package com.yingzi.hive1;

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.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import java.util.ArrayList;
import java.util.List;


/**
 * @author 影子
 * @create 2022-01-23-15:14
 **/
public class MYUDTF extends GenericUDTF {

    private ArrayList<String> outList = new ArrayList<>();

    @Override
    public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {

        //1.定义输出数据的列名和类型
        List<String> fieldNames = new ArrayList<>();
        List<ObjectInspector> fieldOIs = new ArrayList<>();
        //2.添加输出数据的列名和类型
        fieldNames.add("lineToWord");

        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
    }

    @Override
    public void process(Object[] objects) throws HiveException {
        //1获取原始数据
        String object = objects[0].toString();
        //2获取数据传入的第二个参数，此处为分隔符
        String splitKey = objects[1].toString();
        //3将原始数据按照传入的分隔符进行切分
        String[] fields = object.split(splitKey);
        //4遍历切分后的结果，并写出
        for (String field : fields) {
            //集合为复用的，首先清空集合
            outList.clear();
            //将每一个单词添加至集合
            outList.add(field);
            //将集合内容写出
            forward(outList);
        }
    }

    @Override
    public void close() throws HiveException {
    }
}

3.导入hive中

同前面一样