学步园

UDTF(User-Defined Table-Generating Functions)用来解决输入一行输出多行(one-to-many maping)的需求。

编写自己的UDTF：

1.继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。

2.实现initialize()，process()，close()三个方法。

3.UDTF首先会调用initialize()方法，此方法返回UDTF的返回行的信息(返回个数，类型)。

4.初始化完成后会调用process()方法，对传入的参数进行处理，可以通过forward()方法把结果返回。

5.最后调用close()对需要清理的方法进行清理。

示例：使用UDTF对"Key：Value"这种字符串进行切分，返回结果为Key，Value两个字段。

import java.util.ArrayList;

 import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
 import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
 import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
 import org.apache.hadoop.hive.ql.metadata.HiveException;
 import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
 import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
 import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
 import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

 public class ExplodeMap extends GenericUDTF{

     @Override
     public void close() throws HiveException {
         // TODO Auto-generated method stub    
     }

     @Override
     public StructObjectInspector initialize(ObjectInspector[] args)
             throws UDFArgumentException {
         if (args.length != 1) {
             throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
         }
         if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
             throw new UDFArgumentException("ExplodeMap takes string as a parameter");
         }

         ArrayList<String> fieldNames = new ArrayList<String>();
         ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
         fieldNames.add("col1");
         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
         fieldNames.add("col2");
         fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

         return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
     }

     @Override
     public void process(Object[] args) throws HiveException {
         String input = args[0].toString();
         String[] test = input.split(";");
         for(int i=0; i<test.length; i++) {
             try {
                 String[] result = test[i].split(":");
                 forward(result);
             } catch (Exception e) {
                 continue;
             }
         }
     }
 }

1.打包发送到服务器。

2.添加到Hive环境中：

hive (hive)> add jar /usr/local/src/udtf.jar<span style="font-family: Arial, Helvetica, sans-serif;">;</span>
Added /usr/local/src/udtf.jar to class path
Added resource: /usr/local/src/udtf.jar

3.创建临时函数：

hive (hive)> create temporary function explode_map as 'com.lixue.udtf.ExplodeMap';
OK
Time taken: 0.0080 seconds

4.查询(UDTF有两种使用方式，一种是直接放到select后面，另外一种是和lateral view一起使用)：

hive (hive)> select explode_map('name:lavimer;age:23') as (col1,col2) from employees;
//MapReduce
OK
col1	col2
name	lavimer
age	23
name	lavimer
age	23
name	lavimer
age	23

注：不可以添加其他字段使用，如下：

select a, explode_map(properties) as (col1,col2) from src

不可以嵌套调用：

select explode_map(explode_map(properties)) from src

不可以和group by/cluster by/distribute by/sort by一起使用：

select explode_map(properties) as (col1,col2) from src group by col1, col2

可以和lateral view一起使用：

hive (hive)> select user.id,employees.col1,employees.col2 from user lateral view explode_map('name:lavimer,age:23') employees as col1,col2;
//MapReduce...
OK
id	col1	col2
1	name	lavimer
1	age	23
2	name	lavimer
2	age	23
3	name	lavimer
3	age	23

注：此方法更为方便使用。执行过程相当于单独执行了两次抽取，然后union到一个表里。