Hive進行UDF開發十分簡單，此處所說UDF為Temporary的function，所以需要hive版本在0.4.0以上才可以。

一、背景：Hive是基於Hadoop中的MapReduce，提供HQL查詢的資料倉庫。Hive是一個很開放的系統，很多內容都支援使用者定製，包括：

a）檔案格式：Text File，Sequence File
b）記憶體中的資料格式： Java Integer/String, Hadoop IntWritable/Text
c）使用者提供的 map/reduce 指令碼：不管什麼語言，利用 stdin/stdout 傳輸資料
d）使用者自定義函式: Substr, Trim, 1 – 1
e）使用者自定義聚合函式: Sum, Average…… n – 1

2、定義：UDF(User-Defined-Function)，使用者自定義函式對資料進行處理。

二、用法

1、UDF函式可以直接應用於select語句，對查詢結構做格式化處理後，再輸出內容。
2、編寫UDF函式的時候需要注意一下幾點：
a）自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF。
b）需要實現evaluate函。
c）evaluate函式支援過載。

3、以下是兩個數求和函式的UDF。evaluate函式代表兩個整型資料相加，兩個浮點型資料相加，可變長資料相加

Hive的UDF開發只需要重構UDF類的evaluate函式即可。例：

package hive.connect;

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、步驟

a）把程式打包放到目標機器上去；

b）進入hive客戶端，新增jar包：hive>add jar /run/jar/udf_test.jar;

c）建立臨時函式：hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';

d）查詢HQL語句：

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）銷燬臨時函式：hive> DROP TEMPORARY FUNCTION add_example;

5、細節在使用UDF的時候，會自動進行型別轉換，例如：

SELECT add_example(8,9.1) FROM scores;

注：

1. UDF只能實現一進一出的操作，如果需要實現多進一出，則需要實現UDAF

下面來看下UDAF：

（二）、UDAF

1、Hive查詢資料時，有些聚類函式在HQL沒有自帶，需要使用者自定義實現。

2、使用者自定義聚合函式: Sum, Average…… n – 1

UDAF（User- Defined Aggregation Funcation）

一、用法

1、一下兩個包是必須的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator。

2、函式類需要繼承UDAF類，內部類Evaluator實UDAFEvaluator介面。

3、Evaluator需要實現 init、iterate、terminatePartial、merge、terminate這幾個函式。

a）init函式實現介面UDAFEvaluator的init函式。

b）iterate接收傳入的引數，並進行內部的輪轉。其返回型別為boolean。

c）terminatePartial無引數，其為iterate函式輪轉結束後，返回輪轉資料，terminatePartial類似於hadoop的Combiner。

d）merge接收terminatePartial的返回結果，進行資料merge操作，其返回型別為boolean。
e）terminate返回最終的聚集函式結果。

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函式類似於建構函式，用於UDAF的初始化 */

public void init() {
         state.mSum = 0;
         state.mCount = 0;
}

/** * iterate接收傳入的引數，並進行內部的輪轉。其返回型別為boolean * * @param o * @return */

public boolean iterate(Double o) {
         if (o != null) {
                   state.mSum += o;
                   state.mCount++;
         } return true;
}

/** * terminatePartial無引數，其為iterate函式輪轉結束後，返回輪轉資料， * terminatePartial類似於hadoop的Combiner * * @return */

public AvgState terminatePartial() {
         // combiner
         return state.mCount == 0 ? null : state;
}

/** * merge接收terminatePartial的返回結果，進行資料merge操作，其返回型別為boolean * * @param o * @return */

public boolean terminatePartial(Double o) {                
         if (o != null) {
                   state.mCount += o.mCount;
                   state.mSum += o.mSum;
         }

         return true;
}

/** * terminate返回最終的聚集函式結果 * * @return */

public Double terminate() {
         return state.mCount == 0 ? null : Double.valueOf(state.mSum / state.mCount);
}

}

5、執行求平均數函式的步驟
a）將java檔案編譯成Avg_test.jar。b）進入hive客戶端新增jar包：hive>add jar /run/jar/Avg_test.jar。c）建立臨時函式：hive>create temporary function avg_test 'hive.udaf.Avg';d）查詢語句：hive>select avg_test(scores.math) from scores;e）銷燬臨時函式：hive>drop temporary function avg_test;

五、總結

1、過載evaluate函式。
2、UDF函式中引數型別可以為Writable，也可為java中的基本資料物件。
3、UDF支援變長的引數。
4、Hive支援隱式型別轉換。
5、客戶端退出時，建立的臨時函式自動銷燬。
6、evaluate函式必須要返回型別值，空的話返回null，不能為void型別。
7、UDF是基於單條記錄的列進行的計算操作，而UDFA則是使用者自定義的聚類函式，是基於表的所有記錄進行的計算操作。
8、UDF和UDAF都可以過載。
9、檢視函式

SHOW FUNCTIONS;

1. UDTF介紹
UDTF(User-Defined Table-Generating Functions) 用來解決 輸入一行輸出多行(On-to-many maping) 的需求。

2. 編寫自己需要的UDTF


(1) 繼承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。

 (2)實現initialize, process, close三個方法。

UDTF首先會呼叫initialize方法，此方法返回UDTF的返回行的資訊（返回個數，型別）。初始化完成後，會呼叫process方法，對傳入的引數進行處理，可以通過forword()方法把結果返回。最後close()方法呼叫，對需要清理的方法進行清理。

下面是我寫的一個用來切分”key:value;key:value;”這種字串，返回結果為key, value兩個欄位。供參考：

import java.util.ArrayList;
   
    import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
    import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
    import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
    import org.apache.hadoop.hive.ql.metadata.HiveException;
    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;
  
   public class ExplodeMap extends GenericUDTF{
  
       @Override
       public void close() throws HiveException {
           // TODO Auto-generated method stub    
       }
  
       @Override
       public StructObjectInspector initialize(ObjectInspector[] args)
               throws UDFArgumentException {
           if (args.length != 1) {
               throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
           }
           if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
               throw new UDFArgumentException("ExplodeMap takes string as a parameter");
           }
  
           ArrayList<String> fieldNames = new ArrayList<String>();
           ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
           fieldNames.add("col1");
           fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
           fieldNames.add("col2");
           fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
  
           return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
       }
  
      @Override
       public void process(Object[] args) throws HiveException {
           String input = args[0].toString();
           String[] test = input.split(";");
           for(int i=0; i<test.length; i++) {
               try {
                   String[] result = test[i].split(":");
                   forward(result);
               } catch (Exception e) {
                  continue;
              }
         }
       }
   }

3. 使用方法

UDTF有兩種使用方法，一種直接放到select後面，一種和lateral view一起使用。

1：直接select中使用

select explode_map(properties) as (col1,col2) from src;

不可以新增其他欄位使用

select a, explode_map(properties) as (col1,col2) from src

不可以巢狀呼叫

select explode_map(explode_map(properties)) from src

不可以和group by/cluster by/distribute by/sort by一起使用

select explode_map(properties) as (col1,col2) from src group by col1, col2

2：和lateral view一起使用

select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;

此方法更為方便日常使用。執行過程相當於單獨執行了兩次抽取，然後union到一個表裡。