创建Hive用户自定义函数
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。
按实现方式，UDF分如下分类：
- 普通的UDF，用于操作单个数据行，且产生一个数据行作为输出。
- 用户定义聚集函数UDAF（User-Defined Aggregating Functions），用于接受多个输入数据行，并产生一个输出数据行。
- 用户定义表生成函数UDTF（User-Defined Table-Generating Functions），用于操作单个输入行，产生多个输出行。
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。
- 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。
下面以编写一个AddDoublesUDF为例，说明UDF的编写和使用方法。
功能介绍
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。
- 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。
样例代码
以下为UDF示例代码：
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;
}
}
如何使用
- 在客户端安装节点，把以上程序打包成AddDoublesUDF.jar，并上传到HDFS指定目录下（例如“/user/hive_examples_jars”）。
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。
示例语句：
hdfs dfs -put ./hive_examples_jars /user/hive_examples_jars
hdfs dfs -chmod 777 /user/hive_examples_jars
- 判断集群的认证模式。
- 在Hive Server中定义该函数，以下语句用于创建永久函数：
CREATE FUNCTION addDoubles AS 'com.xxx.bigdata.hive.example.udf.AddDoublesUDF' using jar 'hdfs://hacluster/user/hive_examples_jars/AddDoublesUDF.jar';
其中addDoubles是该函数的别名，用于SELECT查询中使用；xxx通常为程序开发的组织名称。
以下语句用于创建临时函数：
CREATE TEMPORARY FUNCTION addDoubles AS 'com.xxx.bigdata.hive.example.udf.AddDoublesUDF' using jar 'hdfs://hacluster/user/hive_examples_jars/AddDoublesUDF.jar';
- addDoubles是该函数的别名，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。
- 在Hive Server中使用该函数，执行SQL语句：
SELECT addDoubles(1,2,3);
若重新连接客户端再使用函数出现[Error 10011]的错误，可执行reload function;命令后再使用该函数。
- 在Hive Server中删除该函数，执行SQL语句：
DROP FUNCTION addDoubles;
扩展应用
无
