0011-如何在Hive & Impala中使用UDF

Posted

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0011-如何在Hive & Impala中使用UDF相关的知识,希望对你有一定的参考价值。

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

1.文档编写目的

本文档讲述如何开发Hive自定义函数(UDF),以及如何在Impala中使用Hive的自定义函数,通过本文档,您将学习到以下知识:

1.如何使用Java开发Hive的自定义函数

2.如何在Hive中创建自定义函数及使用

3.如何在Impala中使用Hive的自定义函数

这篇文档将重点介绍UDF在Hive和Impala的使用,并基于以下假设:

1.集群环境正常运行

2.集群安装Hive和Impala服务

以下是本次测试环境,但不是本操作手册的硬限制:

1.操作系统:Redhat6.5

2.CDH和CM版本为5.11.1

3.采用sudo权限的ec2-user用户进行操作

2.UDF函数开发

使用Intellij工具开发Hive的UDF函数,进行编译;

1.使用Intellij工具通过Maven创建一个Java工程

技术分享图片

2.pom.xml文件中增加Hive包的依赖

<dependency>
  <groupId>org.apache.hive</groupId>
  <artifactId>hive-exec</artifactId>
  <version>1.1.0</version>
</dependency>

3.Java示例代码如下

package com.peach.date;

import org.apache.hadoop.hive.ql.exec.UDF;
import java.text.ParseException;
import java.text.SimpleDateFormat;

/**
 * SQL的UDF日期相关工具类
 * Created by peach on 2017/8/24.
 */
public class DateUtils extends UDF {
 /**
     * 将日期字符串格式化为标准的日期格式
     * 如:
     * 2017-8-9 to 2017-08-09
     * 2017-08-09 9:23:3 to 2017-08-0909:23:03
     * @param sdate
 * @param pattern
 * @return
 */
 public static String evaluate(Stringsdate, String pattern) {
        String formatDate = sdate;
 SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        try {
            formatDate =sdf.format(sdf.parse(sdate));
 } catch (ParseException e) {
            e.printStackTrace();
 }
 return formatDate;
 }
}

此处使用一个简单的日期转换自定义函数来做事例,注意此处需要集成UDF类,重写evaluate方法,来实现自己定义函数。

4.编译jar包

前提条件是已配置Maven的环境变量,命令行进入工程目录,执行如下命令:

 mvn clean  package 

技术分享图片

技术分享图片

3.Hive使用自定义函数(UDF)

将章节2中编译好的sql-udf-utils-1.0-SNAPSHOT.jar上传到集群服务器;

3.1创建临时UDF

1.进入Hive的shell命令行,执行如下命令,创建临时函数

add jar  /home/ec2-user/sql-udf-utils-1.0-SNAPSHOT.jar;create  temporary function parse\_date as ‘com.peach.date.DateUtils‘; 

技术分享图片

2.在命令行测试该UDF函数

select  parse\_date(dates, ‘yyyy-MM-dd HH:mm:ss‘) from date\_test1; 

技术分享图片

3.2创建永久UDF

1.在HDFS中创建相应目录,将sql-udf-utils-1.0-SNAPSHOT.jar包上传至该目录

[email protected]  ~$ hadoop dfs -mkdir /udfjar
[email protected]  ~$ hadoop dfs -put sql-udf-utils-1.0-SNAPSHOT.jar /udfjar 

技术分享图片

注意:目录udfjar和sql-udf-utils-1.0-SNAPSHOT.jar的权限,所属用户为hive

2.进入Hive的shell命令行,执行如下命令创建永久的UDF

create  function default.parse\_date as ‘com.peach.date.DateUtils‘ using jar  ‘hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar‘; 

技术分享图片

注意:在创建的时候如果带有数据库名,则该UDF函数只对该库生效,其它库无法使用该UDF函数。

3.在命令行测试该UDF

 select  parse\_date(dates, ‘yyyy-MM-dd HH:mm:ss‘) from date\_test1; 

技术分享图片

4.验证永久UDF函数是否生效

技术分享图片

重新打开Hive CLI能正常使用创建的UDF函数。

4.Impala使用Hive的UDF

1.在Impala shell命令行执行元数据同步命令

ip-172-31-10-156.ap-southeast-1.compute.internal:21000  > invalidate metadata; 

技术分享图片

2.使用UDF函数

ip-172-31-10-156.ap-southeast-1.compute.internal:21000  > select parse\_date(dates,‘yyyy-MM-dd HH:mm:ss‘) from date\_test1; 

技术分享图片

5.常见问题

1.通过Impala CLI命令行,使用UDF自定义函数时异常

Connected to ip-172-31-10-156.ap-southeast-1.compute.internal:21000

Server version: impalad version 2.7.0-cdh5.10.2 RELEASE (build 38c989c0330ea952133111e41965ff9af96412d3)

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates) from date_test1;

Query: select parse_date(dates) from date_test1

Query submitted at: 2017-08-24 12:51:44 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)

ERROR: AnalysisException: default.parse_date() unknown

技术分享图片

元数据未同步导致,执行如下命令进行元数据同步:

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > invalidate metadata;

2.在Impala CLI命令行执行,异常如下

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates,‘yyyy-MM-dd HH:mm:ss‘) from date_test1;

Query: select parse_date(dates,‘yyyy-MM-dd HH:mm:ss‘) from date_test1

Query submitted at: 2017-08-24 13:02:14 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)

ERROR: Failed to copy hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar to /var/lib/impala/udfs/sql-udf-utils-1.0-SNAPSHOT.2386.2.jar:

Error(2): No such file or directory

技术分享图片

在Impala Daemon服务器上,目录不存在导致

解决方法:

在所有Impala Daemon服务器创建/var/lib/impala/udfs目录


[[email protected] lib]$ sudo mkdir -p impala/udf

[[email protected] lib]$ sudo chown -R impala:impala impala/

注意:目录所属用户及组

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。
技术分享图片

以上是关于0011-如何在Hive & Impala中使用UDF的主要内容,如果未能解决你的问题,请参考以下文章

Impala和Hive的关系

如何在Hive&Impala中使用UDF

如何在Hue中调优Impala和Hive查询

如何摆脱 Hive/Impala 中的重复计数

如何从 hive 或 impala 读取 Hbase 当前和以前版本的数据?

如何在 HBase 和 Impala 中提取给定日期而不与 hive 集成的星期几?