为了满足用户的个性化需求,Hive被设计成了一个很开放的系统,很多内容都可以定制,主要包括:
1)、文件格式;
2)、内存中的数据格式,如Hadoop的Writable/Text;
3)、用户提供的MapReduce脚本,不管使用何种语言都可以通过标准的stdin/stdout传输数据;
4)、用户自定义函数。
本节我们主要学习用户自定义函数。虽然Hive已经提供了很多内存的函数,但是还是不能,满足用户的需求,因此有提供了自定义函数供用户自己开发函数来满足自己的需求。之定义函数主要分三类:
1)、UDF(User-Defined-Function)用户自定义函数,输入一个数据然后产生一个数据;
2)、UDAF(User-Defined Aggregation Function)用户自定义聚合函数,多个输入数据然后产生一个输出参数;
3)、UDTF(User-Defined Table-generating Function)用户自定义表生成函,数,输入一行数据生成N行数据。
UDF
现在我们开始学习如何来开发自己的UDF函数。假设我们现在有一个被保存在littlebigdata.txt文件中的数据集:
- edward capriolo,edward@media6degrees.com,2-12-1981,209.191.139.200,M,10
- bob,bob@test.net,10-10-2004,10.10.10.1,M,50
- sara connor,sara@sky.net,4-5-1974,64.64.5.1,F,2
- ...
接下来我们顶一个Hive加载这个数据集:
- hive> CREATE TABLE IF NOT EXISTS littlebigdata(
- > name STRING COMMENT '姓名',
- > email STRING COMMENT '邮箱',
- > birthday STRING COMMENT '生日',
- > ip STRING COMMENT 'ip',
- > gender STRING COMMENT '性别',
- > anum INT)
- > ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
- hive> LOAD DATA LOCAL INPATH '${env:HOME}/littlebigdata.txt'
- > INTO TABLE littlebigdata;
我们接下来会写一个自定义的UDF根据数据集中的生日计算对应星座,首先新类要继承org.apache.hadoop.hive.ql.exec.UDF类,然而UDF类并不是一个抽象类,其中并没有用户自定义函数必须的evaluate()方法,子类必须实现一个或多个evaluate方法给Hive框架调用,这个evaluate方法正是所有实现类的逻辑部分所在,只有用户自己来写方法了:
- package org.apache.hadoop.hive.contrib.udf.example;
- import java.text.SimpleDateFormat;
- import java.util.Date;
- import org.apache.hadoop.hive.ql.exec.UDF;
- import org.apache.hadoop.hive.ql.exec.Description;
- @Description(name = "Zodiac",
- value = "FUNC_(date) - from the input data string " +
- "or separate month and day arguments,return the sign of the Zodiac.",
- extended = "Example:\n >SELECT _FUNC_(date_string) FROM src;\n" +
- " > SELECT _FUNC_(month,day) FROM src;")
- public class ZodiacSignUDF extends UDF{
- private SimpleDateFormat df = null;
- /**
- * 在默认构造函数中初始化df
- */
- public ZodiacSignUDF(){
- df = new SimpleDateFormat("MM-dd-yyyy");
- }
- /**
- * 由出生日期获取星座
- * @param birthday -Date
- * @return
- */
- public String evaluate(Date birthday){
- return this.evaluate(birthday.getMonth() + 1,birthday.getDay());
- }
- /**
- * 由出生日期获取星座
- * @param birthday -String
- * @return
- */
- public String evaluate(Date birthday){
- Date date = null;
- try{
- date = df.parse(birthday);
- }catch(Excetion e){
- //如果日期转换失败,就表明星座是未知的
- return null;
- }
- return this.evaluate(date.getMonth() + 1,date.getDay());
- }
- /**
- * 由月份和出生日获取星座
- * @param month -int
- * @param day -int
- * @return
- */
- public String evaluate(Integer month,Integer day){
- if(month == 1){
- if(day < 20){
- return "Capricorn";
- }else{
- return "Aquarius";
- }
- }else if(month == 2){
- if(day < 19){
- return "Aquarius";
- }else{
- return "Pisces";
- }
- }
- /** ... other months here */
- return null;
- }
- }
在HiveQL的执行中,没处理一行都会调用一次ZodiacSignUDF类的实例,然后将每一行的出生一起传给evaluate()方法并得到对应的星座返回给Hive。
那么接下来的问题是如何使用这个自定义函数呢?
首先需要用户便以这个类并将之打成一个jar包,然后将jar文件添加到Hive的classpath并使用CREATE FUNCTION语句将之定义为一个Hive能使用的方法:
- hive> ADD JAR /full/path/to/zodiac.jar;
- hive> CREATE TEMPORARY FUNCTION zodiac
- AS 'org.apache.hadoop.hive.contrib.udf.exampl.ZodiacSignUDF';
当然,上面的函数添加方法只能在Hive session会话期间使用,session结束后如还想使用该函数,那就必须再将上面的两部操作做一遍。如果这个函数是经常使用的,那么这么做就太繁琐了,这种情况下可以把上面的两操作语句添加到$HOME/.hiverc文件中作为全局函数,就想使用hive的内置行是一样:
- hive> SELECT name,birthday,zodiac(birthday) FROM littlebigdata;
- edward capriolo 2-12-1981 Aquarius
- bob 10-10-2004 Libra
- sara 4-5-1974 Aries
接着我们来看怎么删除一个·自定义函数: