hive udtf的使用

2024-04-24 16:32
文章标签 使用 hive udtf

本文主要是介绍hive udtf的使用,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!

原文:http://blog.linezing.com/2011/03/hive%E4%B8%ADudtf%E7%BC%96%E5%86%99%E5%92%8C%E4%BD%BF%E7%94%A8


1. UDTF介绍

UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。

2. 编写自己需要的UDTF

  • 继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。
  • 实现initialize, process, close三个方法
  • UDTF首先会调用initialize方法,此方法返回UDTF的返回行的信息(返回个数,类型)。初始化完成后,会调用process方法,对传入的参数进行处理,可以通过forword()方法把结果返回。最后close()方法调用,对需要清理的方法进行清理。

下面是我写的一个用来切分”key:value;key:value;”这种字符串,返回结果为key, value两个字段。供参考:

   1: import java.util.ArrayList;

   2:

   3: import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;

   4: import org.apache.hadoop.hive.ql.exec.UDFArgumentException;

   5: import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;

   6: import org.apache.hadoop.hive.ql.metadata.HiveException;

   7: import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;

   8: import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;

   9: import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;

  10: import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

  11:

  12: public class ExplodeMap extends GenericUDTF{

  13:

  14:     @Override

  15:     public void close() throws HiveException {

  16:         // TODO Auto-generated method stub    

  17:     }

  18:

  19:     @Override

  20:     public StructObjectInspector initialize(ObjectInspector[] args)

  21:             throws UDFArgumentException {

  22:         if (args.length != 1) {

  23:             throw new UDFArgumentLengthException("ExplodeMap takes only one argument");

  24:         }

  25:         if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {

  26:             throw new UDFArgumentException("ExplodeMap takes string as a parameter");

  27:         }

  28:

  29:         ArrayList<String> fieldNames = new ArrayList<String>();

  30:         ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();

  31:         fieldNames.add("col1");

  32:         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

  33:         fieldNames.add("col2");

  34:         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

  35:

  36:         return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);

  37:     }

  38:

  39:     @Override

  40:     public void process(Object[] args) throws HiveException {

  41:         String input = args[0].toString();

  42:         String[] test = input.split(";");

  43:         for(int i=0; i<test.length; i++) {

  44:             try {

  45:                 String[] result = test[i].split(":");

  46:                 forward(result);

  47:             } catch (Exception e) {

  48:                 continue;

  49:             }

  50:         }

  51:     }

  52: }

3. 使用方法

UDTF有两种使用方法,一种直接放到select后面,一种和lateral view一起使用。

1:直接select中使用:select explode_map(properties) as (col1,col2) from src;

  • 不可以添加其他字段使用:select a, explode_map(properties) as (col1,col2) from src
  • 不可以嵌套调用: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;

  • 此方法更为方便日常使用。执行过程相当于单独执行了两次抽取,然后union到一个表里。

4. 参考文档


http://wiki.apache.org/hadoop/Hive/LanguageManual/UDF

http://wiki.apache.org/hadoop/Hive/DeveloperGuide/UDTF

http://www.slideshare.net/pauly1/userdefined-table-generating-functions

5 测试实例参考:

注:自己额外添加

测试 数据:
user action 1 2 3
user action 4 5 6 7
user action 8 9 10 11 12
建表:
CREATE external table wftest (user string,action string,objects string) ROW FORMAT SERDE 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe' WITH SERDEPROPERTIES( 'input.regex' ='^([^\\s]*) ([^\\s]*) (.*)$') STORED AS TEXTFILE LOCATION '/user/hdfs/home/wangfeng4/';
hive> desc wftest;
OK
user string from deserializer
action string from deserializer
objects string from deserializer
Time taken: 0.25 seconds
hive> select * from wftest;
OK
user action 1 2 3
user action 4 5 6 7
user action 8 9 10 11 12
NULL NULL NULL
Time taken: 0.245 seconds
hive> select explode(split(objects," ")) as object from wftest;
Total MapReduce jobs = 1
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
655.104: [GC 655.104: [ParNew: 1638400K->25080K(1843200K), 0.0364240 secs] 1638400K->25080K(2150400K), 0.0365450 secs] [Times: user=0.09 sys=0.01, real=0.04 secs]
Starting Job = job_201112221522_3256344, Tracking URL = http://jobtracker.aer.dip.sina.com.cn:50030/jobdetails.jsp?jobid=job_201112221522_3256344
Kill Command = /usr/lib/hadoop/bin/hadoop job -Dmapred.job.tracker=jobtracker.aer.dip.sina.com.cn:8021 -kill job_201112221522_3256344
2012-06-01 16:08:18,085 Stage-1 map = 0%, reduce = 0%
2012-06-01 16:08:21,109 Stage-1 map = 100%, reduce = 0%
2012-06-01 16:08:22,117 Stage-1 map = 100%, reduce = 100%
Ended Job = job_201112221522_3256344
OK
1
2
3
4
5
6
7
8
9
10
11
12
Time taken: 16.78 seconds
hive> select user,explode(split(objects," ")) as object from wftest;
FAILED: Error in semantic analysis: UDTF's are not supported outside the SELECT clause, nor nested in expressions
hive>
最后一个 这种不支持。
如果觉得explode 不成 可以自己写udtf.

这篇关于hive udtf的使用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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/932247

相关文章

Python使用Tkinter打造一个完整的桌面应用

《Python使用Tkinter打造一个完整的桌面应用》在Python生态中,Tkinter就像一把瑞士军刀,它没有花哨的特效,却能快速搭建出实用的图形界面,作为Python自带的标准库,无需安装即可... 目录一、界面搭建:像搭积木一样组合控件二、菜单系统:给应用装上“控制中枢”三、事件驱动:让界面“活”

C/C++ chrono简单使用场景示例详解

《C/C++chrono简单使用场景示例详解》:本文主要介绍C/C++chrono简单使用场景示例详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友... 目录chrono使用场景举例1 输出格式化字符串chrono使用场景China编程举例1 输出格式化字符串示

Python验证码识别方式(使用pytesseract库)

《Python验证码识别方式(使用pytesseract库)》:本文主要介绍Python验证码识别方式(使用pytesseract库),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全... 目录1、安装Tesseract-OCR2、在python中使用3、本地图片识别4、结合playwrigh

Python使用Code2flow将代码转化为流程图的操作教程

《Python使用Code2flow将代码转化为流程图的操作教程》Code2flow是一款开源工具,能够将代码自动转换为流程图,该工具对于代码审查、调试和理解大型代码库非常有用,在这篇博客中,我们将深... 目录引言1nVflRA、为什么选择 Code2flow?2、安装 Code2flow3、基本功能演示

使用vscode搭建pywebview集成vue项目实践

《使用vscode搭建pywebview集成vue项目实践》:本文主要介绍使用vscode搭建pywebview集成vue项目实践,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录环境准备项目源码下载项目说明调试与生成可执行文件核心代码说明总结本节我们使用pythonpywebv

C++类和对象之默认成员函数的使用解读

《C++类和对象之默认成员函数的使用解读》:本文主要介绍C++类和对象之默认成员函数的使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、默认成员函数有哪些二、各默认成员函数详解默认构造函数析构函数拷贝构造函数拷贝赋值运算符三、默认成员函数的注意事项总结一

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

Linux基础命令@grep、wc、管道符的使用详解

《Linux基础命令@grep、wc、管道符的使用详解》:本文主要介绍Linux基础命令@grep、wc、管道符的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录grep概念语法作用演示一演示二演示三,带选项 -nwc概念语法作用wc,不带选项-c,统计字节数-

SpringCloud中的@FeignClient注解使用详解

《SpringCloud中的@FeignClient注解使用详解》在SpringCloud中使用Feign进行服务间的调用时,通常会使用@FeignClient注解来标记Feign客户端接口,这篇文章... 在Spring Cloud中使用Feign进行服务间的调用时,通常会使用@FeignClient注解