hive中UDF和UDAF使用說明
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
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;
DESCRIBE FUNCTION <function_name>;