hive之udf函数的使用

Posted 2023-04-15

参考技术A udf的全称是User Defined Function用户自定义函数,创建后可以直接在select语句中使用

使用中需要注意的是，创建一个udf需要继承org.apache.hadoop.hive.ql.exec.UDF,并且要对evaluate进行overwrite

所以开发工程需要至少加上依赖包

然后创建一个类继承UDF，实现evaluate方法可以实现传入一个数据返回一个数据的效果

下面以信息脱敏为例

以上通过调用函数传入信息，然后数据处理后会返回一个脱敏信息。

接着需要用maven对这个进行package，生成jar包，将文件上传到服务器上。

以下流程注意登陆账户是否有权限

并建议将此jar包上传到分布式文件系统上，可以参考如下命令：
hdfs dfs -put /home/hive-udf/desensitization.jar /lib/hive_udf/
然后可以通过hdfs dfs -ls /lib/hive_udf/查看已上传成功的包

然后进入hive客户端：可以直接在服务器上使用hive的bin包下的hive进行直接连接,也可以是其他连接方式。

这里有两种方法进行创建，一个是创建临时函数，一个是创建永久函数
1.创建临时函数
用此种方式的话，请在sql前加上后面两句
add jar hdfs:///lib/hive_udf/desensitization.jar;
create temporary function desensitization as 'com.sfz.Desensitization';
注意：这里的desensitization为以后调用的函数名，com.sfz.Desensitization为jar包里的类路径。
然后可以进行测试
select desensitization("我是傻疯子");
最后删除命令为:(临时函数可以不用删除，窗口关闭后会消失)
drop temporary function desensitization;

2.创建永久函数
CREATE FUNCTION udf.desensitization AS 'com.sfz.Desensitization' USING JAR 'hdfs:///lib/hive_udf/desensitization.jar';
删除命令为DROP FUNCTION IF EXISTS udf.desensitization;
如果需要全局生效，目前来看需要重启hive，否则只对当前客户端有效。

hive之UDF函数编程详解

UDF的定义

• UDF（User-Defined Functions）即是用户定义的hive函数。hive自带的函数并不能完全满足业务需求，这时就需要我们自定义函数了

UDF的分类

1. UDF：one to one，进来一个出去一个，row mapping。是row级别操作，如：upper、substr函数
2. UDAF：many to one，进来多个出去一个，row mapping。是row级别操作，如sum/min。
3. UDTF：one to many ，进来一个出去多个。如alteral view与explode

• 这三类中，我们只对UDF类的函数进行改写

pom文件配置

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.wsk.bigdata</groupId>
<artifactId>g6-hadoop</artifactId>
<version>1.0</version>
<name>g6-hadoop</name>
<properties>
<maven.compiler.source>1.7</maven.compiler.source>
<maven.compiler.target>1.7</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<hadoop.version>2.6.0-cdh5.7.0</hadoop.version>
<hive.version>1.1.0-cdh5.7.0</hive.version>
</properties>
<!--添加CDH的仓库-->
<repositories>
<repository>
<id>nexus-aliyun</id>
<url>http://maven.aliyun.com/nexus/content/groups/public</url>
</repository>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos</url>
</repository>
</repositories>
<dependencies>
<!--添加Hadoop的依赖-->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.11</version>
<scope>test</scope>
</dependency>
<!--添加hive依赖-->
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>${hive.version}</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>2.4</version>
<configuration>
<source>1.7</source>
<target>1.7</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
</plugins>
</build>
</project>

UDF函数编写

 

打jar包

 

 

 

上传jar包

 [[email protected] lib]$ rz

[[email protected] lib]$ ll  g6-hadoop-1.0.jar

-rw-r--r--. 1 hadoop hadoop 11447 Apr 19 2019 g6-hadoop-1.0.jar

 

• 注意：如果jar包是上传到$HIVE_HOME/lib/目录以下，就不需要执行add命令了

添加jar包到hive  

• 语法：add jar +jar包所在的目录/jar包名字

hive> add jar /home/hadoop/data/hive/g6-hadoop-1.0.jar;

 在hive中创建UDF函数

• 创建临时函数    -----只对当前黑窗口有效

• 语法：

CREATE TEMPORARY FUNCTION function_name AS class_name;   

function_name函数名                        

*******class_name 类路径，包名+类名*********   这里就是你写的UDF函数的第一行的package后边的东西然后在加个点加个类的名字

 实例：

hive>CREATE TEMPORARY FUNCTION HelloUDF AS ‘org.apache.hadoop.hive.ql.udf.HelloUDF‘;

 OK Time taken: 0.485 seconds

hive>

hive> show functions; 【查看可以看到HelloUDF】

 

测试

hive>select HelloUDF(‘17‘);

OK

Hello：17

#检查mysql中的元数据，因为是临时函数，故元数据中并没有相关的信息

mysql> select * from funcs;

Empty set (0.11 sec)

 

删除临时函数 ：

• 语法：DROP TEMPORARY FUNCTION [IF EXISTS] function_name; 

测试

hive> DROP TEMPORARY FUNCTION IF EXISTS HelloUDF;

OK

Time taken: 0.003 seconds

hive> select HelloUDF(‘17‘);

FAILED: SemanticException [Error 10011]: Line 1:7 Invalid function ‘HelloUDF‘

##其实不删除也无所谓，重新开一个窗口即可

创建永久函数

• 语法：

CREATE TEMPORARY FUNCTION function_name AS class_name USING JAR path;

function_name函数名                        

class_name 类路径，

包名+类名 

path jar包hdfs路径

将jar上传到指定目录

[[email protected] hive-1.1.0-cdh5.7.0]$ hadoop fs -mkdir /lib

[[email protected] hive-1.1.0-cdh5.7.0]$ hadoop fs -put /home/hadoop/data/hive/hive_UDF.jar /lib/

[[email protected] ~]$ hadoop fs -mkdir /lib
[[email protected] ~]$ hadoop fs -ls /lib
[[email protected] ~]$ hadoop fs -put ~/lib/g6-hadoop-1.0.jar  /lib/   把本地的jar上传到HDFS的/lib/目录下
[[email protected] ~]$ hadoop fs -ls /lib

创建永久生效的UDF函数

CREATE FUNCTION HelloUDF AS ‘org.apache.hadoop.hive.ql.udf.HelloUDF‘

USING JAR ‘hdfs://hadoop001:9000/lib/g6-hadoop-1.0.jar‘;

#测试 hive> select HelloUDF("17") ;

OK hello:17

检查mysql中的元数据，测试函数的信息已经注册到了元数据中

mysql> select * from funcs;
+---------+------------------------------+-------------+-------+------------+-----------+------------+------------+
| FUNC_ID | CLASS_NAME | CREATE_TIME | DB_ID | FUNC_NAME | FUNC_TYPE | OWNER_NAME | OWNER_TYPE |
+---------+------------------------------+-------------+-------+------------+-----------+------------+------------+
| 1 |org.apache.hadoop.hive.ql.udf.HelloUDF | 1555263915 | 6 | HelloUDF | 1 | NULL | USER |
+---------+------------------------------+-------------+-------+------------+-----------+------------+------------+

• 创建的永久函数可以在任何一个窗口使用，重新启动函数也照样可以使用

官网参考地址：LanguageManual UDF