更新时间:2024-07-27 GMT+08:00

创建函数

功能描述

DLI支持创建使用UDF和UDTF等自定义函数应用于Spark作业开发当中。

具体使用自定义函数端到端的开发指导可以参考:Spark SQL作业使用UDFSpark SQL作业使用UDTF

语法格式

1
2
3
4
5
CREATE FUNCTION [db_name.]function_name AS class_name
  [USING resource,...]

resource: 
  : JAR file_uri

1
2
3
4
5
CREATE OR REPLACE FUNCTION [db_name.]function_name AS class_name
  [USING resource,...]

resource: 
  : JAR file_uri

注意事项

  • 如果在数据库中存在同名的函数,系统将会报错。
  • 只支持Hive语法创建函数。
  • 请注意避免该场景:如果创建的自定义函数F1指定类C1,程序包名JAR1,创建自定义函数F2也指定类C1,程序包JAR2,因为F2和F1使用相同的类名,导致功能相互冲突,影响作业执行。
  • 如需使用UDF热加载功能请提交工单开通白名单。

关键字

  • USING <resources>:需要加载的资源。可以是JAR、文件或者URI的列表。
  • OR REPLACE:支持自定义函数热加载功能。
    • 如果创建自定义函数时不携带OR REPLACE,则需要注意以下场景:
      表1 不携带OR REPLACE场景说明

      序号

      场景说明

      场景举例

      生效机制

      操作影响

      场景一

      修改了原有程序包类的实现逻辑,重新创建的函数指定的JAR包名和类名保持和原有一致。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. 后续对J1包中函数实现做了逻辑修改,重新执行创建函数F2,指定类名C1,Jar包名J1。
        说明:

        注意,如果步骤2继续使用函数名F1,则会因为函数名重复导致创建失败。这时可以考虑使用OR REPLACE,或者替换所有作业中的函数F1为F2。

      需要重启Spark SQL队列后新创建的自定义函数F2生效

      1. 需要重启Spark SQL队列,影响当前运行的作业。
      2. 重启队列后,影响F1原有功能,F1的功能变为和F2一样。

      场景二

      在原有程序包类的基础上新增了类,新创建的函数指定为新增的类,包名不变。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. J1的Jar包中新增了类C2,C1保持不变,新创建自定义函数F2,指定类名C2,Jar包名J1。

      需要重启Spark SQL队列后新创建的自定义函数F2生效

      1. 需要重启Spark SQL队列,影响当前运行的作业。
      2. 重启队列后,F1的功能不变。

      场景三

      原有程序包类的实现逻辑不变,重新打包程序包名。新创建的函数指定新JAR包名,类名保持不变。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. 重新打包Jar包为J2,功能逻辑不变。新创建的自定义函数F2,指定类名C1,Jar包名J2。

      新创建的自定义函数F2立即生效

      无影响。

    • 如果创建自定义函数携带OR REPLACE,表示需要对已有的函数内容进行功能替换并实时生效。
      • 该功能开启当前需要提交工单开通白名单。
      • 如果要在所有SQL队列上立即生效,需要分别选择SQL队列执行一遍:CREATE OR REPLACE xxx FUNCTION ...,否则没有执行的队列可能延迟0-12小时生效。
      • 如果当前运行的作业中使用自定义函数F1,该F1函数指定类名C1,程序包名J1,作业运行了一半后,重新修改J1程序包逻辑,CREATE OR REPLACE FUNCTION F1后,后续作业使用新的F1函数逻辑,但是已执行完一半的作业使用旧的函数逻辑。
      表2 携带OR REPLACE场景说明

      序号

      场景说明

      场景举例

      生效机制

      操作影响

      场景一

      修改了原有程序包类的实现逻辑,重新创建的函数指定的JAR包名和类名保持和原有一致。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. 后续对J1包中函数实现做了逻辑修改,重新执行创建函数F1,指定类名C1,Jar包名J1。

      立即生效

      F1的功能变成新修改的逻辑。

      场景二

      在原有程序包类的基础上新增了类,新创建的函数指定为新增的类,包名不变。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. J1的Jar包中新增了类C2,C1保持不变,新创建自定义函数F2,指定类名C2,Jar包名J1。因为是第一次创建指定C2的函数,这时该F2函数不能立即生效。

      两种生效方式

      • CREATE OR REPLACE F2 FUNCTION创建语句再执行一次生效
      • 重启Spark SQL队列后生效

      如果是选择重启Spark SQL队列,则会导致当前运行的作业受影响。

      场景三

      修改了原有程序包类的类名,新创建的函数指定为新类名,包名不变。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. J1的Jar包中修改原C1为C2,C1已经不存在,新创建自定义函数F2,指定类名C2,Jar包名J1。

      立即生效

      F1功能失效,F2功能立即生效。

      场景四

      原有程序包类的实现逻辑不变,重新打包程序包名。新创建的函数指定新JAR包名,类名保持不变。

      1. 在Spark SQL队列下已创建自定义函数F1,指定类名C1,Jar包名J1。
      2. 重新打包Jar包为J2,功能逻辑不变。新创建的自定义函数F2,指定类名C1,Jar包名J2。

      立即生效

      无影响。

示例

创建函数mergeBill。

1
2
CREATE FUNCTION mergeBill AS 'com.xxx.hiveudf.MergeBill'
  using jar 'obs://onlyci-7/udf/MergeBill.jar';