创建Hive用户自定义函数
操作场景
当Hive的内置函数不能满足需要时,可以通过编写用户自定义函数UDF(User-Defined Functions)插入自己的处理代码并在查询中使用它们。本文为您介绍自定义函数的开发和运行。
Hive UDF介绍
UDF分类 |
说明 |
---|---|
UDF(User-Defined Functions) |
自定义标量函数,其输入与输出是一对一的关系,即读入一行数据,写出一条输出值。 |
UDAF(User-Defined Aggregating Functions) |
自定义聚合函数,其输入与输出是多对一的关系,即将多条输入记录聚合成一条输出值,可以与SQL中的Group By语句联合使用。 |
UDTF(User-Defined Table-Generating Functions) |
自定义表值函数,用来解决一次函数调用输出多行数据场景的,也是唯一一个可以返回多个字段的自定义函数。 |
按使用方法,UDF有如下分类:
- 临时函数,只能在当前会话使用,重启会话后需要重新创建。
- 永久函数,可以在多个会话中使用,不需要每次创建。
约束与限制
- 用户自定义函数需要用户控制函数中变量的内存、线程等资源的占用,如果控制不当可能会导致内存溢出、CPU使用高等问题。
- 若集群开启了Ranger鉴权,需要关闭Ranger鉴权后才能使用Python的UDF函数。关闭Ranger鉴权具体操作请参见停用Ranger鉴权。
步骤一:开发UDF
本示例中以编写一个名称为“AddDoublesUDF”的UDF为例,说明UDF的编写和使用方法。
“AddDoublesUDF”主要用来对两个及多个浮点数进行相加,在该样例中可以掌握如何编写和使用UDF。且需注意:
- 一个普通UDF必须继承自“org.apache.hadoop.hive.ql.exec.UDF”。
- 一个普通UDF必须至少实现一个evaluate()方法,evaluate函数支持重载。
- 开发自定义函数需要在工程中添加“hive-exec-*.jar”依赖包,可从Hive服务的安装目录下获取,例如在“${BIGDATA_HOME}/components/FusionInsight_HD_*/Hive/disaster/plugin/lib/”目录下获取。
以下为“AddDoublesUDF”样例代码说明,其中,xxx通常为程序开发的组织名称。
package com.xxx.bigdata.hive.example.udf; import org.apache.hadoop.hive.ql.exec.UDF; public class AddDoublesUDF extends UDF { public Double evaluate(Double... a) { Double total = 0.0; // 处理逻辑部分. for (int i = 0; i < a.length; i++) if (a[i] != null) total += a[i]; return total; } }
将以上样例程序打包成“AddDoublesUDF.jar”(具体操作请参见Hive开发指南)。
步骤二:创建执行UDF函数的用户
- 使用admin用户登录Manager界面,选择“集群 > 集群属性”,查看集群的“认证模式”并记录。
- 选择“集群 > 服务 > Hive”,单击页面右上角的“更多”查看Hive是否启用Ranger鉴权。
- 选择“系统 > 权限 > 用户”,单击“添加用户”,配置以下参数并单击“确定”,创建执行自定义函数的用户。
表2 添加用户 参数
示例
参数说明
用户名
test
输入自定义用户名称。
用户类型
人机
设置“用户类型”,包括“人机”和“机机”用户。
密码
xxx
输入用户对应的密码。
确认新密码
xxx
再次输入用户对应的密码。
用户组
单击“添加”,选择“hive”和“hadoop”用户组并单击“确定”。
根据业务实际需要,在“用户组”,单击“添加”,选择一个或多个用户组添加到列表中。
- 根据集群的认证模式及是否启用Ranger鉴权为新创建的用户赋权:
- Hive使用Ranger鉴权,需使用Ranger管理员用户(安全模式集群为rangeradmin,普通模式集群为admin)登录Ranger管理界面为用户添加Hive权限控制策略。
- 选择“集群 > 服务 > Ranger”,单击“Ranger Web UI”右侧的超链接登录Ranger WebUI页面。
- 安全模式集群需单击页面右上角的用户名,在下拉框中单击“Log Out”退出当前用户,使用rangeradmin用户重新登录Ranger管理界面。
- 在首页中单击“HADOOP SQL”区域的组件插件名称如“Hive”。
- 在“Access”页签单击“Add New Policy”,配置以下参数并单击“Add”。
表3 新增Hive权限控制策略 参数
示例
参数说明
Policy Name
test_hive
输入自定义策略名称,不能与本服务内其他策略名称重复。
database
default
将适用该策略的Hive数据库名称。
- 永久函数:配置要添加函数的数据库名称,例如:default。
- 临时函数:将“database”切换为“global”,并配置具体的函数名或设置为“*”。
table
-
将适用该策略的Hive表名称。需切换为“udf”,并配置具体的函数名或设置为“*”。临时函数无需配置该参数。
Allow Conditions
-
策略允许条件,配置本策略内允许的权限及例外。在“Select User”列选择新增的用户,在“Permissions”新增以下权限:- 永久函数:根据实际业务需求进行授权,例如,可新增“create”、“select”和“drop”权限。
- 临时函数:添加“Temporary UDF Admin”权限。
- Hive使用Manager角色鉴权,需创建具有Hive管理员权限的用户才能执行永久函数和临时函数。
- 在Manager页面首页,选择“系统 > 权限 > 角色”,单击“添加角色”,配置以下参数并单击“确定”:
- 角色名称:填写角色名称,例如:test_role。
- 配置资源权限:在“配置资源权限”列表中单击“待操作的集群名称 > Hive”,勾选“Hive管理员权限”。
- 单击“用户”,单击3新创建的用户所在行的“修改”。
- 在修改用户页面,单击“角色”右侧的添加,添加新创建的具有Hive管理员权限的角色,单击“确定”。
- 在Manager页面首页,选择“系统 > 权限 > 角色”,单击“添加角色”,配置以下参数并单击“确定”:
步骤三:运行UDF
- 将步骤一:开发UDF打包的“AddDoublesUDF.jar”上传至客户端安装节点,例如“opt”目录下。
- 以客户端安装用户登录安装客户端的节点,上传1中的“AddDoublesUDF.jar”到HDFS指定目录下,例如“/user/hive_examples_jars”,且创建函数的用户与使用函数的用户都需要具有该文件的可读权限。
- 登录Hive客户端。
- 集群已开启Kerberos认证(安全模式),执行如下命令:
beeline
如果用户绑定了Hive管理员角色,在每个beeline的维护操作会话中,都需要执行以下命令切换成admin角色再执行后续操作:
set role admin;
- 集群未开启Kerberos认证(普通模式),执行如下命令:
beeline -n Hive业务用户
- 集群已开启Kerberos认证(安全模式),执行如下命令:
- 在Hive Server中执行以下命令创建自定义函数:
- 创建永久函数:
CREATE FUNCTION addDoubles AS 'com.xxx.bigdata.hive.example.udf.AddDoublesUDF' using jar 'hdfs://hacluster/user/hive_examples_jars/AddDoublesUDF.jar';
其中addDoubles是该函数的名称,用于SELECT查询中使用;xxx通常为程序开发的组织名称。
- 创建临时函数:
CREATE TEMPORARY FUNCTION addDoubles AS 'com.xxx.bigdata.hive.example.udf.AddDoublesUDF' using jar 'hdfs://hacluster/user/hive_examples_jars/AddDoublesUDF.jar';
- addDoubles是该函数的名称,用于SELECT查询中使用。
- 关键字TEMPORARY说明该函数只在当前这个Hive Server的会话过程中定义使用。
- 创建永久函数:
- 在Hive Server中执行以下命令使用该函数:
SELECT addDoubles(1,2,3);
如果重新连接客户端再使用函数出现“[Error 10011]”错误,可执行reload function;命令后再使用该函数。例如,报错信息如下:
Error: Error while compiling statement: FAILED: SemanticException [Error 10011]: Line 1:7 ...
- 在Hive Server中执行以下命令删除该函数:
DROP FUNCTION addDoubles;
相关文档
- 如果在Hive客户端中使用Spark创建UDF函数或多个HiveServer之间使用UDF报错“ERROR 10011”、“invalid function”,处理该故障的具体操作请参见使用UDF函数时提示“Invalid function”。
- 创建Hive永久UDF函数时报错用户权限不足,处理该故障的具体操作请参见在beeline客户端创建UDF时报错。
- 如需在Hive自定义函数中操作本地文件,具体操作请参见如何在Hive自定义函数中操作本地文件。
- 如需删除所有HiveServer中的永久函数,具体操作请参见如何删除所有HiveServer中的永久函数。