网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

IoTDB UDF概述

更新时间:2024-10-16 GMT+08:00
分享

UDF(User Defined Function)即用户自定义函数。IoTDB提供多种内建函数及自定义函数来满足用户的计算需求。

UDF类型

IoTDB支持的UDF函数的类型如表1所示。

表1 UDF函数类型

UDF分类

描述

UDTF(User Defined Timeseries Generating Function)

自定义时间序列生成函数。该类函数允许接收多条时间序列,最终会输出一条时间序列,生成的时间序列可以有任意多数量的数据点。

UDTF(User Defined Timeseries Generating Function)

编写一个UDTF需要继承“org.apache.iotdb.db.query.udf.api.UDTF”类,并至少实现“beforeStart”方法和一种“transform”方法。

表2是所有可供用户实现的接口说明。

表2 接口说明

接口定义

描述

是否必须

void validate(UDFParameterValidator validator) throws Exception

在初始化方法“beforeStart”调用前执行,用于检测“UDFParameters”中用户输入的参数是否合法。

void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception

初始化方法,在UDTF处理输入数据前,调用用户自定义的初始化行为。用户每执行一次UDTF查询,框架就会构造一个新的UDF类实例,该方法在每个UDF类实例被初始化时调用一次。在每一个UDF类实例的生命周期内,该方法只会被调用一次。

void transform(Row row, PointCollector collector) throws Exception

该方法由框架调用。当在“beforeStart”中选择以“RowByRowAccessStrategy”的策略消费原始数据时,这个数据处理方法就会被调用。输入参数以“Row”的形式传入,输出结果通过“PointCollector”输出。需要在该方法内自行调用“collector”提供的数据收集方法,以决定最终的输出数据。

与“transform(RowWindow rowWindow, PointCollector collector) ”方法二选一

void transform(RowWindow rowWindow, PointCollector collector) throws Exception

该方法由框架调用。当在“beforeStart”中选择以“SlidingSizeWindowAccessStrategy”或者“SlidingTimeWindowAccessStrategy”的策略消费原始数据时,这个数据处理方法就会被调用。输入参数以“RowWindow”的形式传入,输出结果通过“PointCollector”输出。需要在该方法内自行调用“collector”提供的数据收集方法,以决定最终的输出数据。

与“transform(Row row, PointCollector collector)”方法二选一

void terminate(PointCollector collector) throws Exception

该方法由框架调用。该方法会在所有的“transform”调用执行完成后,在“beforeDestory”方法执行前被调用。在一个UDF查询过程中,该方法会且只会调用一次。需要在该方法内自行调用“collector”提供的数据收集方法,以决定最终的输出数据。

void beforeDestroy()

UDTF的结束方法。此方法由框架调用,并且只会被调用一次,即在处理完最后一条记录之后被调用。

调用顺序:

  1. void validate(UDFParameterValidator validator) throws Exception
  2. void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception
  3. void transform(Row row, PointCollector collector) throws Exception或者void transform(RowWindow rowWindow, PointCollector collector) throws Exception
  4. void terminate(PointCollector collector) throws Exception
  5. void beforeDestroy()
须知:

框架每执行一次UDTF查询,都会构造一个全新的UDF类实例,查询结束时,对应的UDF类实例即被销毁,因此不同UDTF查询(即使是在同一个SQL语句中)UDF类实例内部的数据都是隔离的。可以在UDTF中维护一些状态数据,无需考虑并发对UDF类实例内部状态数据的影响。

使用方法

  • void validate(UDFParameterValidator validator) throws Exception

    “validate”方法能够对用户输入的参数进行验证。

    在该方法中限制输入序列的数量和类型,检查用户输入的属性或者进行自定义逻辑的验证。

  • void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception

    “beforeStart”方法有以下作用:

    • 帮助用户解析SQL语句中的UDF参数。
    • 配置UDF运行时必要的信息,即指定UDF访问原始数据时采取的策略和输出结果序列的类型。
    • 创建资源,比如建立外部链接,打开文件等。

UDFParameters

UDFParameters的作用是解析SQL语句中的UDF参数(SQL中UDF函数名称后括号中的部分)。参数包括路径(及其序列类型)参数和字符串“key-value”对形式输入的属性参数。

例如:

SELECT UDF(s1, s2, 'key1'='iotdb', 'key2'='123.45') FROM root.sg.d;

用法:

void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception {
  // parameters
 for (PartialPath path : parameters.getPaths()) {
    TSDataType dataType = parameters.getDataType(path);
   // do something
  }
  String stringValue = parameters.getString("key1"); // iotdb
  Float floatValue = parameters.getFloat("key2"); // 123.45
  Double doubleValue = parameters.getDouble("key3"); // null
  int intValue = parameters.getIntOrDefault("key4", 678); // 678
  // do something

  // configurations
  // ...
}

UDTFConfigurations

使用“UDTFConfigurations”指定UDF访问原始数据时采取的策略和输出结果序列的类型。

用法:

void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception {
  // parameters
  // ...

  // configurations
  configurations
    .setAccessStrategy(new RowByRowAccessStrategy())
    .setOutputDataType(TSDataType.INT32);
}

其中“setAccessStrategy”方法用于设定UDF访问原始数据时采取的策略,“setOutputDataType”用于设定输出结果序列的类型。

  • setAccessStrategy

    在此处设定的原始数据访问策略决定了框架会调用哪一种“transform”方法,请实现与原始数据访问策略对应的“transform”方法。也可以根据“UDFParameters”解析出来的属性参数,动态决定设定哪一种策略,因此,实现两种“transform”方法也是被允许的。

    可以设定的访问原始数据的策略请参见表3

    表3 访问原始数据的策略

    接口定义

    描述

    调用transform方法

    RowByRowAccessStrategy

    逐行地处理原始数据。框架会为每一行原始数据输入调用一次“transform”方法。当UDF只有一个输入序列时,一行输入就是该输入序列中的一个数据点。当UDF有多个输入序列时,一行输入序列对应的是这些输入序列按时间对齐后的结果(一行数据中,可能存在某一列为null值,但不会全部都是null)。

    void transform(Row row, PointCollector collector) throws Exception

    SlidingTimeWindowAccessStrategy

    以滑动时间窗口的方式处理原始数据。框架会为每一个原始数据输入窗口调用一次“transform”方法。一个窗口可能存在多行数据,每一行数据对应的是输入序列按时间对齐后的结果(一行数据中,可能存在某一列为null值,但不会全部都是null)。

    void transform(RowWindow rowWindow, PointCollector collector) throws Exception

    SlidingSizeWindowAccessStrategy

    以固定行数的方式处理原始数据,即每个数据处理窗口都会包含固定行数的数据(最后一个窗口除外)。框架会为每一个原始数据输入窗口调用一次transform方法。一个窗口可能存在多行数据,每一行数据对应的是输入序列按时间对齐后的结果(一行数据中,可能存在某一列为null值,但不会全部都是null)。

    void transform(RowWindow rowWindow, PointCollector collector) throws Exception

    “RowByRowAccessStrategy”的构造不需要任何参数。

    “SlidingTimeWindowAccessStrategy”有多种构造方法,可以向构造方法提供三类参数:
    • 时间轴显示时间窗开始和结束时间。
    • 划分时间轴的时间间隔参数(必须为正数)。
    • 滑动步长(不要求大于等于时间间隔,但是必须为正数)。

    时间轴显示时间窗开始和结束时间不是必须要提供的。当不提供这类参数时,时间轴显示时间窗开始时间会被定义为整个查询结果集中最小的时间戳,时间轴显示时间窗结束时间会被定义为整个查询结果集中最大的时间戳。

    滑动步长参数也不是必须的。当不提供滑动步长参数时,滑动步长会被设定为划分时间轴的时间间隔。

    三类参数的关系可见下图:

    需注意,最后的一些时间窗口的实际时间间隔可能小于规定的时间间隔参数。另外,可能存在某些时间窗口内数据行数量为0的情况,这种情况框架也会为该窗口调用一次“transform”方法。

    “SlidingSizeWindowAccessStrategy”有多种构造方法,用户可以向构造方法提供两个参数:
    • 窗口大小,即一个数据处理窗口包含的数据行数。注意,最后一些窗口的数据行数可能少于规定的数据行数。
    • 滑动步长,即下一窗口第一个数据行与当前窗口第一个数据行间的数据行数(不要求大于等于窗口大小,但是必须为正数)。

    滑动步长参数不是必须的。当不提供滑动步长参数时,滑动步长会被设定为窗口大小。

    注意:在此处设定的输出结果序列的类型,决定了“transform”方法中“PointCollector”实际能够接收的数据类型。“setOutputDataType”中设定的输出类型和“PointCollector”实际能够接收的数据输出类型关系如下:

    表4 “PointCollector”能接受到的数据类型与输出的对应关系

    setOutputDataType中设定的输出类型

    PointCollector实际能够接收的输出类型

    INT32

    int

    INT64

    long

    FLOAT

    float

    DOUBLE

    double

    BOOLEAN

    boolean

    TEXT

    “java.lang.String”和“org.apache.iotdb.tsfile.utils.Binary”

  • UDTF输出序列的类型是运行时决定的。可以根据输入序列类型动态决定输出序列类型。
    例如:
    void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) throws Exception {
      // do something
      // ...
    
      configurations
        .setAccessStrategy(new RowByRowAccessStrategy())
        .setOutputDataType(parameters.getDataType(0));
    }
    • void transform(Row row, PointCollector collector) throws Exception

      当在“beforeStart”方法中指定UDF读取原始数据的策略为“RowByRowAccessStrategy”,就需要实现该方法,在该方法中增加对原始数据处理的逻辑。

      该方法每次处理原始数据的一行。原始数据由“Row”读入,由“PointCollector”输出。可以选择在一次“transform”方法调用中输出任意数量的数据点。需要注意的是,输出数据点的类型必须与在“beforeStart”方法中设置的一致,而输出数据点的时间戳必须是严格单调递增的。

      下面是一个实现了“void transform(Row row, PointCollector collector) throws Exception”方法的完整UDF示例。它是一个加法器,接收两列时间序列输入,当这两个数据点都不为“null”时,输出这两个数据点的代数和。

      import org.apache.iotdb.db.query.udf.api.UDTF;
      import org.apache.iotdb.db.query.udf.api.access.Row;
      import org.apache.iotdb.db.query.udf.api.collector.PointCollector;
      import org.apache.iotdb.db.query.udf.api.customizer.config.UDTFConfigurations;
      import org.apache.iotdb.db.query.udf.api.customizer.parameter.UDFParameters;
      import org.apache.iotdb.db.query.udf.api.customizer.strategy.RowByRowAccessStrategy;
      import org.apache.iotdb.tsfile.file.metadata.enums.TSDataType;
      
      public class Adder implements UDTF {
      
        @Override
        public void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) {
          configurations
              .setOutputDataType(TSDataType.INT64)
              .setAccessStrategy(new RowByRowAccessStrategy());
        }
      
        @Override
        public void transform(Row row, PointCollector collector) throws Exception {
          if (row.isNull(0) || row.isNull(1)) {
            return;
          }
          collector.putLong(row.getTime(), row.getLong(0) + row.getLong(1));
        }
      }
    • void transform(RowWindow rowWindow, PointCollector collector) throws Exception

      当在“beforeStart”方法中指定UDF读取原始数据的策略为“SlidingTimeWindowAccessStrategy”或者“SlidingSizeWindowAccessStrategy”时,就需要实现该方法,在该方法中增加对原始数据处理的逻辑。

      该方法每次处理固定行数或者固定时间间隔内的一批数据,称包含这一批数据的容器为窗口。原始数据由“RowWindow”读入,由“PointCollector”输出。“RowWindow”能够帮助访问某一批次的“Row”,它提供了对这一批次的“Row”进行随机访问和迭代访问的接口。可以选择在一次“transform”方法调用中输出任意数量的数据点,需要注意的是,输出数据点的类型必须与在“beforeStart”方法中设置的一致,而输出数据点的时间戳必须是严格单调递增的。

      下面是一个实现了“void transform(RowWindow rowWindow, PointCollector collector) throws Exception”方法的完整UDF示例。它是一个计数器,接收任意列数的时间序列输入,作用是统计并输出指定时间范围内每一个时间窗口中的数据行数。

      import java.io.IOException;
      import org.apache.iotdb.db.query.udf.api.UDTF;
      import org.apache.iotdb.db.query.udf.api.access.RowWindow;
      import org.apache.iotdb.db.query.udf.api.collector.PointCollector;
      import org.apache.iotdb.db.query.udf.api.customizer.config.UDTFConfigurations;
      import org.apache.iotdb.db.query.udf.api.customizer.parameter.UDFParameters;
      import org.apache.iotdb.db.query.udf.api.customizer.strategy.SlidingTimeWindowAccessStrategy;
      import org.apache.iotdb.tsfile.file.metadata.enums.TSDataType;
      
      public class Counter implements UDTF {
      
        @Override
        public void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) {
          configurations
              .setOutputDataType(TSDataType.INT32)
              .setAccessStrategy(new SlidingTimeWindowAccessStrategy(
                  parameters.getLong("time_interval"),
                  parameters.getLong("sliding_step"),
                  parameters.getLong("display_window_begin"),
                  parameters.getLong("display_window_end")));
        }
      
        @Override
        public void transform(RowWindow rowWindow, PointCollector collector) throws Exception {
          if (rowWindow.windowSize() != 0) {
            collector.putInt(rowWindow.getRow(0).getTime(), rowWindow.windowSize());
          }
        }
      }
    • void terminate(PointCollector collector) throws Exception

      在一些场景下,UDF需要遍历完所有的原始数据后才能得到最后的输出结果。“terminate”接口为这类UDF提供了支持。

      该方法会在所有的“transform”调用执行完成后,在“beforeDestory”方法执行前被调用。可以选择使用“transform”方法进行单纯的数据处理,最后使用“terminate”将处理结果输出。

      结果需要由“PointCollector”输出。可以选择在一次“terminate”方法调用中输出任意数量的数据点。需要注意的是,输出数据点的类型必须与在“beforeStart”方法中设置的一致,而输出数据点的时间戳必须是严格单调递增的。

      下面是一个实现了“void terminate(PointCollector collector) throws Exception”方法的完整UDF示例。它接收一个“INT32”类型的时间序列输入,作用是输出该序列的最大值点。

      import java.io.IOException;
      import org.apache.iotdb.db.query.udf.api.UDTF;
      import org.apache.iotdb.db.query.udf.api.access.Row;
      import org.apache.iotdb.db.query.udf.api.collector.PointCollector;
      import org.apache.iotdb.db.query.udf.api.customizer.config.UDTFConfigurations;
      import org.apache.iotdb.db.query.udf.api.customizer.parameter.UDFParameters;
      import org.apache.iotdb.db.query.udf.api.customizer.strategy.RowByRowAccessStrategy;
      import org.apache.iotdb.tsfile.file.metadata.enums.TSDataType;
      
      public class Max implements UDTF {
      
        private Long time;
        private int value;
      
        @Override
        public void beforeStart(UDFParameters parameters, UDTFConfigurations configurations) {
          configurations
              .setOutputDataType(TSDataType.INT32)
              .setAccessStrategy(new RowByRowAccessStrategy());
        }
      
        @Override
        public void transform(Row row, PointCollector collector) {
          int candidateValue = row.getInt(0);
          if (time == null || value < candidateValue) {
            time = row.getTime();
            value = candidateValue;
          }
        }
      
        @Override
        public void terminate(PointCollector collector) throws IOException {
          if (time != null) {
            collector.putInt(time, value);
          }
        }
      }
    • void beforeDestroy()

      UDTF的结束方法,可以在此方法中进行一些资源释放等的操作。

      此方法由框架调用。对于一个UDF类实例而言,生命周期中会且只会被调用一次,即在处理完最后一条记录之后被调用。

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容