hive 用户自定义函数udf，udaf，udtf

Logan_addoil2023-12-23 3:44

udf：一对一的关系

udtf：一对多的关系

udaf：多对一的关系

使用Java实现步骤

自定义编写UDF函数注意：

1.需要继承org.apache.hadoop.hive.ql.exec.UDF

2.需要实现evaluete函数

编写UDTF函数注意：

1.需要继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF

2.实现 initialize, process, close三个方法

1.自定义实现一个大小写转换的函数（UDF）

执行mvn命令

将jar包上传到服务器上

上传之后，进入hive，添加jar包

add jar // /xxx.jar(jar包全路径)

创建临时函数

create temporary function upper_func as 'org.example.Uppercase';

之后，可以直接在查询中使用

transform方式

hive中除了使用Java编写udf，还可以使用transform，支持多种语言

例如：将表第一列与第二列用 _ （下划线）连接

1.Linux中的 awk

创建一个transform.awk

内容

bash 复制代码

{
	print $1"_"$2
}

在hive中使用add file 添加 transform.awk

然后就可以调用函数了

select transform(col1,col2) using "awk -f transform.awk" as (uu) from test_table limit 10;

2.使用python

在hive中使用 add file 添加 transform.py

使用命令调用函数

select transform(col1,col2) using "python transform.py" as (uu) from test_table limit 10;

3.基于python实现wordcount

整个过程模拟map 和 reduce

add file 上传 mapper.py 和 reduce.py

创建一张表，保存结果

bash 复制代码

create table word_cnt(
word string , 
cnt int)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t';

bash 复制代码

WITH map_cnt as  (
select transform(line) using "python mapper.py" as  word , cnt 
from docs  
cluster by word ),

insert  overwrite table word_cnt 
select transform(word,cnt) using "python reduce.py" as w, c  
from map_cnt