---

 

0. 说明 

　　UDF 　　//user define function
　　　　　　//输入单行，输出单行，类似于 format_number(age,'000')

　　UDTF 　　//user define table-gen function
　　　　　　   //输入单行，输出多行，类似于 explode(array);

　　UDAF 　　//user define aggr function
　　　　　　   //输入多行，输出单行，类似于 sum(xxx)

 

　　Hive 通过 UDF 实现对 temptags 的解析

 

---

1. UDF

　　1.1 代码示例

　　Code

 

　　1.2 用户自定义函数的使用

　　1. 将 Hive 自定义函数打包并发送到 /soft/hive/lib 下
　　2. 重启 Hive
　　3. 注册函数

# 永久函数
　　create function myudf as 'com.share.udf.MyUDF';

# 临时函数
　　create temporary function myudf as 'com.share.udf.MyUDF';

 

　　1.3 Demo

　　Hive 通过 UDF 实现对 temptags 的解析

　　0. 准备数据

　　1. 建表

    create table temptags(id int,json string) row format delimited fields terminated by '\t';

　　2. 加载数据

    load data local inpath '/home/centos/files/temptags.txt' into table temptags;

　　3. 代码编写

　　Code

　　4. 打包

　　5. 添加 fastjson-1.2.47.jar & myhive-1.0-SNAPSHOT.jar 到 /soft/hive/lib 中

　　6. 重启 Hive

　　7. 注册临时函数

    create temporary function parsejson as 'com.share.udf.ParseJson';

　　8. 测试

select id ,parsejson(json) as tags from temptags;

 

# 将 id 和 tag 炸开
select id,  tag from temptags lateral view explode(parsejson(json)) xx as tag;

# 开始统计每个商家每个标签个数
select id, tag, count(*) as count
from (select id,  tag from temptags lateral view explode(parsejson(json)) xx as tag) a
group by id, tag;

# 进行商家内标签数的排序
select id, tag , count, row_number()over(partition by id order by count desc) as rank
from  (select id, tag, count(*) as count from (select id,  tag from temptags lateral view explode(parsejson(json)) xx as tag) a
group by id,tag) b ;

# 将标签和个数进行拼串，取得前 10 标签数
select id, concat(tag,'_',count)
from (select id, tag , count, row_number()over(partition by id order by count desc) as rank 
from  (select id, tag, count(*) as count from (select id,  tag from temptags lateral view explode(parsejson(json)) xx as tag) a
group by id,tag) b )c
where rank<=10;

#聚合拼串 
    //concat_ws(',', List<>)
    //collect_set(name) 将所有字段变为数组,去重
    //collect_list(name) 将所有字段变为数组,不去重
select id, concat_ws(',',collect_set(concat(tag,'_',count))) as tags
from (select id, tag , count, row_number()over(partition by id order by count desc) as rank
from  (select id, tag, count(*) as count from (select id,  tag from temptags lateral view explode(parsejson(json)) xx as tag) a
group by id,tag) b )c  where rank<=10 group by id;

 

 　　1.4 虚列：lateral view

　　123456 味道好_10,环境卫生_9

　　id　　 tags
　　1 　　[味道好，环境卫生]　　 =>　　 1 味道好
　　　　　　　　　　　　　　　　    　　1 环境卫生

 

select name, workplace from employee lateral view explode(work_place) xx as workplace;

 

 

 

 

 

---

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---