开发和应用Hive UDF

开发Hive UDF项目

本样例实现一个Hive UDF，说明见下表。

• 一个普通Hive UDF必须继承自“org.apache.hadoop.hive.ql.exec.UDF”。
• 一个普通Hive UDF必须至少实现一个evaluate()方法，evaluate方法支持重载。
• 当前只支持以下数据类型：
  • boolean、byte、short、int、long、float、double
  • Boolean、Byte、Short、Int、Long、Float、Double
  • List、Map

  目前暂不支持除以上类型外的更复杂数据类型的UDF、UDAF和UDTF。

• 当前只支持入参数量小于或等于5个的Hive UDF，大于5个入参的Hive UDF将无法被注册。
• 如果Hive UDF入参为null，系统调用Hive UDF将直接返回null，不会解析null作为入参的Hive UDF逻辑，这可能导致处理null值的Hive UDF执行结果与Hive执行结果不一致。
• 需要在maven工程中添加hive-exec-3.1.1的依赖，可从Hive服务安装目录下获取。
• （可选）若用户存在Hive UDF依赖的配置文件，建议将其作为资源文件放在resources目录下，即可打包到Hive UDF函数包中。

1. 创建Maven项目，“groupId”配置“com.test.udf”，“artifactId”配置“udf-test”。这个两个值可根据实际情况自定义。
2. 修改“pom.xml”文件如下：

   <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
          <modelVersion>4.0.0</modelVersion>
          <groupId>com.test.udf</groupId>
          <artifactId>udf-test</artifactId>
          <version>0.0.1-SNAPSHOT</version>
   
          <dependencies>
            <dependency>
               <groupId>org.apache.hive</groupId>
               <artifactId>hive-exec</artifactId>
               <version>3.1.1</version>
            </dependency>
          </dependencies>
   
          <build>
            <plugins>
               <plugin>
                   <artifactId>maven-shade-plugin</artifactId>
                   <executions>
                       <execution>
                           <phase>package</phase>
                           <goals>
                               <goal>shade</goal>
                           </goals>
                       </execution>
                   </executions>
               </plugin>
               <plugin>
                   <artifactId>maven-resources-plugin</artifactId>
                   <executions>
                       <execution>
                           <id>copy-resources</id>
                           <phase>package</phase>
                           <goals>
                               <goal>copy-resources</goal>
                           </goals>
                           <configuration>
                               <outputDirectory>${project.build.directory}/</outputDirectory>
                               <resources>
                                   <resource>
                                       <directory>src/main/resources/</directory>
                                       <filtering>false</filtering>
                                   </resource>
                               </resources>
                           </configuration>
                       </execution>
                   </executions>
               </plugin>
            </plugins>
          </build>
   </project>

3. 创建Hive UDF实现类。

   import org.apache.hadoop.hive.ql.exec.UDF; 
   
   /** 
    * AutoAddOne 
    * 
    * @since 2020-08-24 
    */ 
   public class AutoAddOne extends UDF { 
       public int evaluate(int data) { 
           return data + 1; 
       } 
   }

4. 打包Maven项目，target目录下的udf-test-0.0.1-SNAPSHOT.jar文件即为Hive UDF函数包。
   

   需要将所有依赖文件都打包到jar包里。

配置Hive UDF

用户通过在配置文件“udf.properties”中添加注册信息来注册Hive UDF，需按“函数名称 类路径”格式添加每一行内容：

以“udf.properties” 为例，已明确要注册的四个Hive UDF：

booleanudf io.hetu.core.hive.dynamicfunctions.examples.udf.BooleanUDF
shortudf io.hetu.core.hive.dynamicfunctions.examples.udf.ShortUDF
byteudf io.hetu.core.hive.dynamicfunctions.examples.udf.ByteUDF
intudf io.hetu.core.hive.dynamicfunctions.examples.udf.IntUDF

• 如果用户添加的Hive UDF注册信息有误，比如错误的格式或者不存在的类路径，系统将忽略这些错误的注册信息，并打印相应日志。
• 如果用户注册重复的Hive UDF，系统将只注册一次，并忽略重复的注册。
• 如果用户注册的Hive UDF与系统内部注册的相同，系统将会发生异常并无法正常启动。解决该异常需要用户删除对应的Hive UDF注册信息。

部署Hive UDF

要在HetuEngine中使用Hive UDF，需要用户将相应的UDF函数包、“udf.properties”、UDF依赖的配置文件上传到指定HDFS路径，例如“/user/hetuserver/udf/”，并重启HetuEngine计算实例。

使用Hive UDF

使用客户端访问：

1. 进入HetuEngine客户端，请参考使用HetuEngine客户端。
2. 执行如下命令应用Hive UDF：

   select AutoAddOne(1);

   select AutoAddOne(1);
   _col0
   -------
        2
   (1 row)