hive中的自定义函数类型
UDF(User-defined function)
一对一:传递一个参数,然后返回一个值
UDAT (Aggregate Functions)
多对一:传递多个参数,返回一个参数 max
通常group by连用
UDTF(Table-Generating Functions )
一对多:传入1个值,返回多个值:较为复杂
实现自定义函数——UDF
编码要求
(1)继承于UDF类
(2)方法规定
a、Implement one or more methods named evaluate:必须实现evaluate方法
b、evaluate should never be a void method.:返回值类型不能为空
c、方法的参数和返回值的类型:Java类型或者Hadoop类型。
推荐使用Hadoop类型,这样在hive中执行自定义函数时,就不需要对数据类型进行转换
速度可以更快
具体实现:案例,去除字符串两端的双引号
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;
//继承UDF类,实现evaluate方法
public class MyIpToolsUDF extends UDF {
public Text evaluate(Text text){
//转换为字符串类型
String value = text.toString();
//判断字符串是否为空
if(StringUtils.isBlank(value)){
return new Text("null");
}
//返回处理过后的字符串
return new Text(value.replace("\"" ,"")+",");
}
}
打包测试
a)打成Jar包 mvn package
b)将Jar包添加到ClassPath下面
hive(db_hive)>add jar /opt/cdh5.7.6/hive-1.1.0-cdh5.7.6/hadoop-1.0-SNAPSHOT.jar
c)创建函数
hive (db_hive)> CREATE FUNCTION removeQuato as 'com.my_hive_function.MyIpToolsUDF';
d)
测试
hive (db_hive)> select removeQuato(ip) AS ip
> FROM access_log LIMIT 5 ;
e)删除自定义函数
hive (db_hive)> DROP FUNCTION removeQuato;