使用者自定義聚合函式，使用者提供的多個入參通過聚合計算(求和、求最大值、求最小值)得到一個聚合計算結果的函式。

問題：UDF也可以提供輸入多個引數然後輸出一個結果的運算，比如加法運算add(3，5)，add這個UDF需要實現UDF的evaluate方法,那麼UDF和UDAF的實質分別究竟是什麼？

1. Double evaluate(Double a, Double b)  

1.什麼是UDAF

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。比如： 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； 使用者自定義聚合函式: Sum, Average

2.實現UFAF的步驟

• 引入如下兩下類

1. import org.apache.hadoop.hive.ql.exec.UDAF  
2. import org.apache.hadoop.hive.ql.exec.UDAFEvaluator  

• 函式類需要繼承UDAF類，計算類Evaluator實現UDAFEvaluator介面
• Evaluator需要實現UDAFEvaluator的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，並進行內部的迭代。其返回型別為boolean。
       c）terminatePartial無引數，其為iterate函式遍歷結束後，返回遍歷得到的資料，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。

3.例項

計算平均數

1. package hive.udaf;  
2. import org.apache.hadoop.hive.ql.exec.UDAF;  
3. import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;  
4. public class Avg extends UDAF {  
5.     public static class AvgState {  
6.         private long mCount;  
7.         private double mSum;  
8.     }  
9.     public
    static class AvgEvaluator implements UDAFEvaluator {  
10.         AvgState state;  
11.         public AvgEvaluator() {  
12.             super();  
13.             state = new AvgState();  
14.             init();  
15.         }  
16.         /** 
17.          * init函式類似於建構函式，用於UDAF的初始化 
18.          */  
19.         public void init() {  
20.             state.mSum = 0;  
21.             state.mCount = 0;  
22.         }  
23.         /** 
24.          * 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 
25.          */  
26.         public boolean iterate(Double o) {  
27.             if (o != null) {  
28.                 state.mSum += o;  
29.                 state.mCount++;  
30.             }  
31.             return true;  
32.         }  
33.         /** 
34.          * terminatePartial無引數，其為iterate函式遍歷結束後，返回輪轉資料， * terminatePartial類似於hadoop的Combiner * * @return 
35.          */  
36.         public AvgState terminatePartial() {  
37.             // combiner  
38.             return state.mCount == 0 ? null : state;  
39.         }  
40.         /** 
41.          * 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 
42.          */  
43.         public boolean merge(AvgState avgState) {  
44.             if (avgState != null) {  
45.                 state.mCount += avgState.mCount;  
46.                 state.mSum += avgState.mSum;  
47.             }  
48.             return true;  
49.         }  
50.         /** 
51.          * terminate返回最終的聚集函式結果 * * @return 
52.          */  
53.         public Double terminate() {  
54.             return state.mCount == 0 ? null : Double.valueOf(state.mSum / state.mCount);  
55.         }  
56.     }  
57. }  

4. Hive中使用UDAF

• 將java檔案編譯成udaf_avg.jar
• 進入hive客戶端新增jar包

1. hive>add jar /home/hadoop/udaf_avg.jar  

• 建立臨時函式

1. hive>create temporary function udaf_avg 'hive.udaf.Avg'  

• 查詢語句

1. hive>select udaf_avg(people.age) from people  

• 銷燬臨時函式

1. hive>drop temporary function udaf_avg  

5. 總結

通過上面的介紹，可以看到UDAF的用法與UDF的區別了，UDF雖然可以接收多個入參，但是引數個數是固定的(其實也可以不固定，只要evaluate方法的引數型別是變長引數即可，但是一般不這麼用)，而UDAF的入參是元素個數不固定的集合，這個集合只要可遍歷(使用Evaluator的iterate方法遍歷)即可，上面的入參是people表的所有age列。

UDF是對只有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。