Hive中自定义UDAF函数生产小案例
Posted 若泽大数据
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hive中自定义UDAF函数生产小案例相关的知识,希望对你有一定的参考价值。
一、UDAF 回顾
定义:UDAF(User Defined Aggregation Funcation ) 用户自定义聚类方法,和group by联合使用,接受多个输入数据行,并产生一个输出数据行。
Hive有两种UDAF:简单和通用
简单:利用抽象类UDAF和UDAFEvaluator,使用Java反射导致性能损失,且有些特性不能使用,如可变长度参数列表 。
通用:利用接口GenericUDAFResolver2(或抽象类AbstractGenericUDAFResolver)和抽象类GenericUDAFEvaluator,可以使用所有功能,但比较复杂,不直观。一个计算函数必须实现的5个方法的具体含义如下:
init():主要是负责初始化计算函数并且重设其内部状态,一般就是重设其内部字段。一般在静态类中定义一个内部字段来存放最终的结果。
iterate():每一次对一个新值进行聚集计算时候都会调用该方法,计算函数会根据聚集计算结果更新内部状态。当输 入值合法或者正确计算了,则就返回true。
terminatePartial():Hive需要部分聚集结果的时候会调用该方法,必须要返回一个封装了聚集计算当前状态的对象。
merge():Hive进行合并一个部分聚集和另一个部分聚集的时候会调用该方法。
terminate():Hive最终聚集结果的时候就会调用该方法。计算函数需要把状态作为一个值返回给用户。
二、需求
使用UDAF简单方式实现统计区域产品用户访问排名
三、自定义UDAF函数代码实现
package hive.org.ruozedata;
import java.util.*;
import org.apache.hadoop.hive.ql.exec.UDAF;
import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.log4j.Logger;
public class UserClickUDAF extends UDAF {
// 日志对象初始化
public static Logger logger = Logger.getLogger(UserClickUDAF.class);
// 静态类实现UDAFEvaluator
public static class Evaluator implements UDAFEvaluator {
// 设置成员变量,存储每个统计范围内的总记录数
private static Map<String, String> courseScoreMap;
private static Map<String, String> city_info;
private static Map<String, String> product_info;
private static Map<String, String> user_click;
//初始化函数,map和reduce均会执行该函数,起到初始化所需要的变量的作用
public Evaluator() {
init();
}
// 初始化函数间传递的中间变量
public void init() {
courseScoreMap = new HashMap<String, String>();
city_info = new HashMap<String, String>();
product_info = new HashMap<String, String>();
}
//map阶段,返回值为boolean类型,当为true则程序继续执行,当为false则程序退出
public boolean iterate(String pcid, String pcname, String pccount) {
if (pcid == null || pcname == null || pccount == null) {
return true;
}
if (pccount.equals("-1")) {
// 城市表
city_info.put(pcid, pcname);
}
else if (pccount.equals("-2")) {
// 产品表
product_info.put(pcid, pcname);
}
else {
// 处理用户点击关联
unionCity_Prod_UserClic1(pcid, pcname, pccount);
}
return true;
}
// 处理用户点击关联
private void unionCity_Prod_UserClic1(String pcid, String pcname, String pccount) {
if (product_info.containsKey(pcid)) {
if (city_info.containsKey(pcname)) {
String city_name = city_info.get(pcname);
String prod_name = product_info.get(pcid);
String cp_name = city_name + prod_name;
// 如果之前已经Put过Key值为区域信息,则把记录相加处理
if (courseScoreMap.containsKey(cp_name)) {
int pcrn = 0;
String strTemp = courseScoreMap.get(cp_name);
String courseScoreMap_pn
= strTemp.substring(strTemp.lastIndexOf("\t".toString())).trim();
pcrn = Integer.parseInt(pccount) + Integer.parseInt(courseScoreMap_pn);
courseScoreMap.put(cp_name, city_name + "\t" + prod_name + "\t"+ Integer.toString(pcrn));
}
else {
courseScoreMap.put(cp_name, city_name + "\t" + prod_name + "\t"+ pccount);
}
}
}
}
/**
* 类似于combiner,在map范围内做部分聚合,将结果传给merge函数中的形参mapOutput
* 如果需要聚合,则对iterator返回的结果处理,否则直接返回iterator的结果即可
*/
public Map<String, String> terminatePartial() {
return courseScoreMap;
}
// reduce 阶段,用于逐个迭代处理map当中每个不同key对应的 terminatePartial的结果
public boolean merge(Map<String, String> mapOutput) {
this.courseScoreMap.putAll(mapOutput);
return true;
}
// 处理merge计算完成后的结果,即对merge完成后的结果做最后的业务处理
public String terminate() {
return courseScoreMap.toString();
}
}
}
三、创建hive中的临时函数
DROP TEMPORARY FUNCTION user_click;
add jar /data/hive_udf-1.0.jar;
CREATE TEMPORARY FUNCTION user_click AS 'hive.org.ruozedata.UserClickUDAF';
四、调用自定义UDAF函数处理数据
insert overwrite directory '/works/tmp1' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
select regexp_replace(substring(rs, instr(rs, '=')+1), '}', '') from (
select explode(split(user_click(pcid, pcname, type),',')) as rs from (
select * from (
select '-2' as type, product_id as pcid, product_name as pcname from product_info
union all
select '-1' as type, city_id as pcid,area as pcname from city_info
union all
select count(1) as type,
product_id as pcid,
city_id as pcname
from user_click
where action_time='2016-05-05'
group by product_id,city_id
) a
order by type) b
) c ;
五、创建Hive临时外部表
create external table tmp1(
city_name string,
product_name string,
rn string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
location '/works/tmp1';
六、统计最终区域前3产品排名
select * from (
select city_name,
product_name,
floor(sum(rn)) visit_num,
row_number()over(partition by city_name order by sum(rn) desc) rn,
'2016-05-05' action_time
from tmp1
group by city_name,product_name
) a where rn <=3 ;
七、最终结果
打个小小的广告哟
1.若泽数据 官网:
www.ruozedata.com
微信不支持链接跳转,单击下方[阅读全文]
2.面试题/博客汇总:
https://github.com/ruozedata/BigData
微信不支持内链接跳转,浏览器拼写一下
(每周3篇大数据相关原创文章,联系客服领取,
若泽2017+2018年所有腾讯课堂公开课视频,尚未外泄,独此1家)
4.
5.若泽大数据--星星: ruoze_star ,加我邀请进群
单击下方【阅读全文】,进入官网!
以上是关于Hive中自定义UDAF函数生产小案例的主要内容,如果未能解决你的问题,请参考以下文章