Hive自定义函数的学习笔记(1)

前言:
　　hive本身提供了丰富的函数集, 有普通函数(求平方sqrt), 聚合函数(求和sum), 以及表生成函数(explode, json_tuple)等等. 但不是所有的业务需求都能涉及和覆盖到, 因此hive提供了自定义函数的接口, 方便用户扩展.
　　自己好像很久没接触hadoop了, 也很久没博客了, 今天趁这个短期的项目, 对hive中涉及的自定义函数做个笔记.

准备:
　　编写hive自定义函数前, 需要了解下当前线上hive的版本.

hive --vesion

　　比如作者使用到的hive版本为:

$ hive --version
Hive 1.2.1

　　具体编写的自定义函数所依赖的库最好和线上版本保持一致.
　　使用maven组织工程的话, 如下所示:

<dependency>
　　<groupId>org.apache.hive</groupId>
　　<artifactId>hive-exec</artifactId>
　　<version>1.2.1</version>
</dependency>

编写代码:
　　Hive中的UDF的设计思路是, 一具体类对应一具体函数.
　　以最简单的大小写转换函数为例:

package test.ql;
import org.apache.hadoop.hive.ql.exec.UDF;

public final class LowerUDF extends UDF {

　　public String evaluate(String src) {
　　　　if ( src == null ) {
　　　　　　return "";
　　　　}
　　　　return src.toLowerCase();
　　}

}

　　注: 继承于UDF类之后, 编写具体的evaluate函数即可. 这边evaluate感觉像基于名字的约定, 有待后续文章的分析和挖掘, ^_^.

jar打包(非主流做法):
　　使用maven直接打成jar包(非fat包), 这个非常容易. 因此这边装下逼, 使用一回石器时代的打包方式.
　　hive的udf函数, 自然依赖于hive相关的jar包.
　　在linux环境中:

$ echo $HIVE_HOME
/data/hadoop/hive

　　或者使用

$ locate *hive*jar
data/hadoop/apache-hive-1.2.1-bin/lib/hive-common-1.2.1.jar
/data/hadoop/apache-hive-1.2.1-bin/lib/hive-contrib-1.2.1.jar
/data/hadoop/apache-hive-1.2.1-bin/lib/hive-exec-1.2.1.jar
....
/data/hadoop/apache-hive-1.2.1-bin/lib/udf.jar
....

　　都可以获取到, hive的jar库地址为/data/hadoop/apache-hive-1.2.1-bin/lib
　　编写编辑脚本:

#! /bin/bash

# 
HIVE_LIB="/data/hadoop/apache-hive-1.2.1-bin/lib/"

# 遍历hive的jar库, 放置于classpath中去
cp_libs=.
for jarfile in $(ls ${HIVE_LIB} ); do
　　cp_libs=${cp_libs}:${HIVE_LIB}/${jarfile}
done

mkdir -p build

# 编译
javac -cp ${cp_libs} LowerUDF.java -d build

# 打包
jar cvf lower.jar -C build .

　　这样就可以出一个lower.jar的jar包了.

临时函数的使用:
　　进入hive的交互shell中
　　1. 上传自定义udf的jar
　　hive> add jar /path/to/lower.jar
　　2. 创建临时函数
　　hive> create temporary function xxoo_lower as 'test.ql.LowerUDF';
　　3. 验证
　　hive> select xxoo_lower("Hello World!");
　　整个交互流程如下:
　　

　　不过这个临时函数, 其生命周期和hive的这个交互session保持一致, 一旦退出, 这个临时函数就消失了.

永久函数的使用:
　　1. 把自定义函数的jar上传到hdfs中.
　　hdfs dfs -put lower.jar 'hdfs:///path/to/hive_func';
　　2. 创建永久函数
　　hive> create function xxoo_lower as 'test.ql.LowerUDF' using jar 'hdfs:///path/to/hive_func/lower.jar'
　　3. 验证
　　hive> select xxoo_lower("Hello World");
　　hive> show functions;
　　整个交互流程图如下:

　　永久函数的删除也容易:
　　hive> drop function xxoo_lower;

总结:
　　就如开头所讲的, 该文章纯粹为hive自定函数的学习实战笔记. 将来有机会, 好好研究一下hive自定义函数的类结构和设计模型, ^_^.

个人站点&公众号:

　　个人微信公众号: 小木的智慧屋

　　个人游戏作品集站点(尚在建设中...): www.mmxfgame.com