hive中UDF、UDTF、UDAF快速上手

2024-01-05 02:58
文章标签 快速 hive udaf udf udtf

本文主要是介绍hive中UDF、UDTF、UDAF快速上手，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在hive中新建表”apache_log”

CREATE TABLE apachelog (host STRING,identity STRING,user STRING,time STRING,request STRING,status STRING,size STRING,referer STRING,agent STRING)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
WITH SERDEPROPERTIES ("input.regex" = "([^ ]*) ([^ ]*) ([^ ]*) (-|\\[[^\\]*\\]]) ([^ \"]*|\"[^\"]*\") (-|[0-9]*) (-|[0-9]*) (?: ([^ \"]*|\".*\") ([^ \"]*|\".*\"))?"
)
STORED AS TEXTFILE;
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

这个是官方给出的实例，但是是错的。 
这里写图片描述
不过，已经有人给做出了修改。 
这里写图片描述
这里写图片描述

接下来结合一些样例数据(样例数据会在评论中给出下载连接)：

27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/faq.gif HTTP/1.1" 200 1127
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /data/cache/style_1_widthauto.css?y7a HTTP/1.1" 200 1292
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/hot_1.gif HTTP/1.1" 200 680
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/hot_2.gif HTTP/1.1" 200 682
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/filetype/common.gif HTTP/1.1" 200 90
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /source/plugin/wsh_wx/img/wsh_zk.css HTTP/1.1" 200 1482
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /data/cache/style_1_forum_index.css?y7a HTTP/1.1" 200 2331
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /source/plugin/wsh_wx/img/wx_jqr.gif HTTP/1.1" 200 1770
27.19.74.143 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/recommend_1.gif HTTP/1.1" 200 1028
110.52.250.126 - - [29/April/2016:17:38:20 +0800] "GET /static/image/common/logo.png HTTP/1.1" 200 4542
......
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

这个是apache服务器的日志信息，一共七个字段，分别表示：”host”、”identity”、”user”、”time”、”request”、”status”、”size”，在hive官网上是有九个字段的，剩下两个为：”referer”、”agent”。 
我们根据这些数据，从一些小需求中来体会一下这三种函数。

UDF(user-defined functions) 
“小”需求： 
提取”time”，转换成”yyyy-MM-dd HH:mm:ss” 格式。

要点： 
1.继承自“org.apache.hadoop.hive.ql.exec.UDF”； 
2.实现”evaluate()”方法。

*JAVA 代码*
package com.hadoop.hivetest.udf;import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Locale;import org.apache.hadoop.hive.ql.exec.UDF;public class MyDateParser extends UDF{public String evaluate(String s){SimpleDateFormat formator = new SimpleDateFormat("dd/MMMMM/yyyy:HH:mm:ss Z",Locale.ENGLISH);if(s.indexOf("[")>-1){s = s.replace("[", "");}if(s.indexOf("]")>-1){s = s.replace("]", "");}try {//将输入的string转换成date数据类型Date date = formator.parse(s);SimpleDateFormat rformator = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");return rformator.format(date);} catch (ParseException e) {e.printStackTrace();return "";}}
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31

小插曲 
导出为jar包，发送到Linux上。这次我们可以使用 editplus 编辑器来上传：

– 打开editplus，选择”File—FTP—FTP Setting” – 
这里写图片描述

– 选择添加 – 
这里写图片描述 
并且在相应的字段上填上值，对于”Subdirectory”这一项要填写的是你希望上传到Linux上的哪个目录。

– 点击”Advanced Options” – 
这里写图片描述 
之后便可以一路OK回去。

– 选择FTP Upload – 
这里写图片描述 
在这里找到要上传的文件，选择要上传到哪一个账户上，并选择”Upload”即可。

然后我们就可以在”Subdirectory”中写到的目录下去找我们的文件了。 
这里写图片描述
– 小插曲结束 –

之后我们使用beeline客户端来连接hive 
这里写图片描述
然后我们可以新建一个数据库，并使用之前的建表语句来创建”apache_log”，并导入数据(默认大家都会了^.^)。 
这里写图片描述

Step 1: add jar “jar-path” 
这里写图片描述

Step 2: create function timeparse as ‘包名+类名’ 
这里写图片描述

Step 3: 使用该函数 
这里写图片描述
对比之前我们导入的数据 
这里写图片描述

UDTF(user-defined table-generating functions) 
“小”需求： 
针对”request”字段，将其拆分，获取到用户的请求连接。 
第一部分表示请求的方式，第二部分为用户请求的连接，第三部分为协及版本号。

要点： 
1.继承自”org.apache.hadoop.hive.ql.udf.generic.GenericUDTF”； 
2.实现initialize()、process()、close()三个方法。

*JAVA代码
package com.hadoop.hivetest.udf;import java.util.ArrayList;import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
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 MyRequestParser extends GenericUDTF {@Overridepublic StructObjectInspector initialize(ObjectInspector[] arg0) throws UDFArgumentException {if(arg0.length != 1){throw new UDFArgumentException("参数不正确。");}ArrayList<String> fieldNames = new ArrayList<String>();ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();//添加返回字段设置fieldNames.add("rcol1");fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);fieldNames.add("rcol2");fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);fieldNames.add("rcol3");fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);//将返回字段设置到该UDTF的返回值类型中return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);   }@Overridepublic void close() throws HiveException {}//处理函数的输入并且输出结果的过程@Overridepublic void process(Object[] args) throws HiveException {String input = args[0].toString();input = input.replace("\"", "");String[] result = input.split(" ");//如果解析错误或失败，则返回三个字段内容都是"--"if(result.length != 3){result[0] = "--";result[1] = "--";result[2] = "--";}forward(result);} 
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59

依照上面的步骤，导出jar包，上传到Linux服务器上。在此不再赘述，其实是攒着另一种上传文件的方式，下次教给大家。

Step 1: add jar “jar-path” 
略

Step 2: create function requestparse as ‘包名+类名’ 
这里写图片描述

Step 3: 使用该函数 
这里写图片描述
对比我们之前导入的数据 
这里写图片描述

UDAF(user-defined aggregation functions) 
“小”需求： 
求出最大的流量值

要点： 
1.继承自”org.apache.hadoop.hive.ql.exec.UDAF”; 
2.自定义的内部类要实现接口”org.apache.hadoop.hive.ql.exec.UDAFEvaluator”; 
3.要实现iterate()、terminatePartial()、merge()、terminate()四个方法。

*JAVA代码
package com.hadoop.hivetest.udf;import org.apache.hadoop.hive.ql.exec.UDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.hadoop.io.IntWritable;@SuppressWarnings("deprecation")
public class MaxFlowUDAF extends UDAF {public static class MaxNumberUDAFEvaluator implements UDAFEvaluator{private IntWritable result;public void init() {result = null;}//聚合的多行中每行的被聚合的值都会被调用interate方法，所以这个方法里面我们来定义聚合规则public boolean iterate(IntWritable value){if(value == null){return false;}if(result == null){result = new IntWritable(value.get());}else{//需求是求出流量最大值，在这里进行流量的比较，将最大值放入resultresult.set(Math.max(result.get(), value.get()));}return true;}//hive需要部分聚合结果时会调用该方法，返回当前的result作为hive取部分聚合值得结果public IntWritable terminatePartial(){return result;}//聚合值，新行未被处理的值会调用merge加入聚合，这里直接调用上面定义的聚合规则方法iteratepublic boolean merge(IntWritable other){return iterate(other);}//hive需要最后总聚合结果时调用的方法，返回聚合的最终结果public IntWritable terminate(){return result;}}
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46

导出jar包，上传到Linux服务器…

Step 1: add jar ‘jar-path’ 
略

Step 2: create function maxflow as ‘包名+类名’ 
这里写图片描述

Step 3: 使用该函数 
这里写图片描述
于是此时，hive便会将sql语句转换为mapreduce任务去执行了。 
这里写图片描述

当我们创建函数之后，得出的结果却不是想要的结果的时候，我们将Java代码修改之后，重新打了包上传过来，也重新加到了hive的classpath中，但是新创建出来的函数得出的结果跟修改之前的一样。这个因为新修改过后的类名与之前的类名重复了，在当前session中会优先以之前的来创建函数。此时有两种办法解决，一是断开当前的连接，重新使用beeline客户端登陆一次，还有就是将修改后的Java类改一个名称，重新导入，使用新的Java类来创建函数。

当然，这些才都只是 UDF 的小皮毛，我们可以发现，通过自定义函数，我们可以省去写很多sql，并且通过使用api，我们可以更随意的操作数据库里的字段，实现多种计算和统计。

这篇关于hive中UDF、UDTF、UDAF快速上手的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/571449。

相关文章

使用EasyPoi快速导出Word文档功能的实现步骤

使用EasyPoi快速导出Word文档功能的实现步骤

《使用EasyPoi快速导出Word文档功能的实现步骤》EasyPoi是一个基于ApachePOI的开源Java工具库,旨在简化Excel和Word文档的操作,本文将详细介绍如何使用EasyPoi快速... 目录一、准备工作1、引入依赖二、准备好一个word模版文件三、编写导出方法的工具类四、在Export
阅读更多...
Python多线程实现大文件快速下载的代码实现

Python多线程实现大文件快速下载的代码实现

《Python多线程实现大文件快速下载的代码实现》在互联网时代,文件下载是日常操作之一,尤其是大文件,然而,网络条件不稳定或带宽有限时,下载速度会变得很慢,本文将介绍如何使用Python实现多线程下载... 目录引言一、多线程下载原理二、python实现多线程下载代码说明：三、实战案例四、注意事项五、总结引
阅读更多...
C#使用Spire.XLS快速生成多表格Excel文件

C#使用Spire.XLS快速生成多表格Excel文件

《C#使用Spire.XLS快速生成多表格Excel文件》在日常开发中,我们经常需要将业务数据导出为结构清晰的Excel文件,本文将手把手教你使用Spire.XLS这个强大的.NET组件,只需几行C#... 目录一、Spire.XLS核心优势清单1.1 性能碾压：从3秒到0.5秒的质变1.2 批量操作的优雅
阅读更多...
Mybatis-Plus 3.5.12 分页拦截器消失的问题及快速解决方法

Mybatis-Plus 3.5.12 分页拦截器消失的问题及快速解决方法

《Mybatis-Plus3.5.12分页拦截器消失的问题及快速解决方法》作为Java开发者,我们都爱用Mybatis-Plus简化CRUD操作,尤其是它的分页功能,几行代码就能搞定复杂的分页查询... 目录一、问题场景：分页拦截器突然 “失踪”二、问题根源：依赖拆分惹的祸三、解决办法：添加扩展依赖四、分页
阅读更多...
c++日志库log4cplus快速入门小结

c++日志库log4cplus快速入门小结

《c++日志库log4cplus快速入门小结》文章浏览阅读1.1w次，点赞9次，收藏44次。本文介绍Log4cplus，一种适用于C++的线程安全日志记录API，提供灵活的日志管理和配置控制。文章涵盖... 目录简介日志等级配置文件使用关于初始化使用示例总结参考资料简介log4j 用于Java，log4c
阅读更多...
解决hive启动时java.net.ConnectException:拒绝连接的问题

解决hive启动时java.net.ConnectException:拒绝连接的问题

《解决hive启动时java.net.ConnectException:拒绝连接的问题》Hadoop集群连接被拒,需检查集群是否启动、关闭防火墙/SELinux、确认安全模式退出,若问题仍存,查看日志... 目录错误发生原因解决方式1.关闭防火墙2.关闭selinux3.启动集群4.检查集群是否正常启动5.
阅读更多...
使用Redis快速实现共享Session登录的详细步骤

使用Redis快速实现共享Session登录的详细步骤

《使用Redis快速实现共享Session登录的详细步骤》在Web开发中,Session通常用于存储用户的会话信息,允许用户在多个页面之间保持登录状态,Redis是一个开源的高性能键值数据库,广泛用于... 目录前言实现原理：步骤：使用Redis实现共享Session登录1. 引入Redis依赖2. 配置R
阅读更多...
Linux如何快速检查服务器的硬件配置和性能指标

Linux如何快速检查服务器的硬件配置和性能指标

《Linux如何快速检查服务器的硬件配置和性能指标》在运维和开发工作中,我们经常需要快速检查Linux服务器的硬件配置和性能指标,本文将以CentOS为例,介绍如何通过命令行快速获取这些关键信息,... 目录引言一、查询CPU核心数编程（几C？）1. 使用 nproc（最简单）2. 使用 lscpu（详细信
阅读更多...
一文详解如何在idea中快速搭建一个Spring Boot项目

一文详解如何在idea中快速搭建一个Spring Boot项目

《一文详解如何在idea中快速搭建一个SpringBoot项目》IntelliJIDEA作为Java开发者的‌首选IDE‌,深度集成SpringBoot支持,可一键生成项目骨架、智能配置依赖,这篇文... 目录前言1、创建项目名称2、勾选需要的依赖3、在setting中检查maven4、编写数据源5、开启热
阅读更多...
MybatisX快速生成增删改查的方法示例

MybatisX快速生成增删改查的方法示例

《MybatisX快速生成增删改查的方法示例》MybatisX是基于IDEA的MyBatis/MyBatis-Plus开发插件,本文主要介绍了MybatisX快速生成增删改查的方法示例,文中通过示例代... 目录1 安装2 基本功能2.1 XML跳转2.2 代码生成2.2.1 生成.xml中的sql语句头2
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2