hive udf 使用本地文件资源

环境：

        hadoop：2.6.0

        hive：1.1.0

        spark：1.6.0

需求及问题

需求：自定义一个udf函数，对存放在hive表里面的文章进行切词，同时切词需要使用自定义词库

（属于外部资源）问题就是在sql里面使用自定义的udf函数，会报错：

ERROR [RPC-Handler-3]: rpc.RpcDispatcher (RpcDispatcher.java:exceptionCaught(155)) - [ClientProtocol] Closing channel due to exception in pipeline.
io.netty.handler.codec.DecoderException: org.apache.hive.com.esotericsoftware.kryo.KryoException: Buffer underflow.
Serialization trace:
Caused by: org.apache.hive.com.esotericsoftware.kryo.KryoException: Buffer underflow.
Serialization trace:

ERROR [main]: status.SparkJobMonitor (RemoteSparkJobMonitor.java:startMonitor(169)) - Failed to monitor Job[0] with exception 'java.lang.IllegalStateException(RPC channel is closed.)'
java.lang.IllegalStateException: RPC channel is closed.

这个报错信息提示的是org.apache.hive.com.esotericsoftware.kryo.KryoException: Buffer underflow.  我一直以为是kyro序列化的问题，然后各种找解决方案，也没有实际的解决问题，最后我把自定义hive udf函数继承的UDF 换成GenericUDF，再次运行sql同样也会报错：

 ERROR [main]: status.SparkJobMonitor (SessionState.java:printError(1124)) - Job failed with java.lang.NullPointerException
java.util.concurrent.ExecutionException: Exception thrown by job

ERROR [main]: status.SparkJobMonitor (SessionState.java:printError(1124)) - Failed to monitor Job[1] with exception 'java.lang.IllegalStateException(RPC channel is closed.)'
java.lang.IllegalStateException: RPC channel is closed.
 

解决方法

更换了集成的GenericUDF类就可以直接定位到问题了，我的hive udf函数代码就不粘了，可以自行百度；在代码里有一个读取本地文件的操作，而我的sql是通过hive客户端通过hive on spark运行的，这个时候再读本地文件很显然读不到，就会报错Job failed with java.lang.NullPointerException 空指针异常，从报错信息也可以直接定位到我的代码是读取本地文件报的错

定位到问题就很好解决了，这个时候直接在hive客户端中 add file 目标文件；即可正常运行； 还有一个坑就是在 add file后 hive客户端会打印：Added resources: [/home/jar/dict/CountryLeader.dict]

这表示你add的是相对路径，将文件位置作为参数传入自定义udf函数时直接：./文件名   即可；

这种情况是不能动态修改本地资源，需要动态修改本地资源，用spark代码实现，查阅资料时也发现了其他方式，不过比较麻烦；

第一次写优快云 会有很多不规范的，望理解