hive udtf 输入一列返回多行多列

Posted 2020-11-18 qwangxiao

之前说到了hive udf，见https://blog.csdn.net/liu82327114/article/details/80670415

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

 

继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF,实现initialize, process, close三个方法。

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）。

初始化完成后，会调用process方法,真正的处理过程在process函数中，在process中，每一次forward()调用产生一行；如果产生多列可以将多个列的值放在一个数组中，然后将该数组传入到forward()函数。

最后close()方法调用，对需要清理的方法进行清理。

 

        1.创建maven工程

            file->project structure->modules->点击+号->new module->选择maven

            

            点击next，填写groupid（对应包结构）、artifactid（maven仓库对应的坐标）

            source java 代码，操作如下图file->project structure，

            

            点击apply，

        2.开始写java代码

           添加maven依赖

   <dependency>
      <groupId>org.apache.hive</groupId>
      <artifactId>hive-exec</artifactId>
      <version>0.13.1</version>
    </dependency>

            

      

代码如下

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.ql.udf.generic.GenericUDTF;
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;
import org.json.JSONArray;


import java.util.ArrayList;




public class helloudtf extends GenericUDTF {

    @Override

// 可接收参数数组

    public void process(Object[] objects) throws HiveException {
        String input = objects[0].toString();
            String[] result = new String[2];
            result[0] = input;
            result[1] = input+input;
            String[] result1 = new String[2];
            result1[0] = input+"a";
            result1[1] = input+"a"+input;
            forward(result);//一个forward 代表一行
            forward(result1);


    }
    @Override
    public StructObjectInspector initialize(ObjectInspector[] args)
            throws UDFArgumentException {
        if (args.length != 1)www.leyouzaixian2.com {
            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 = www.ruishengks.com new ArrayList<ObjectInspector>();
        fieldNames.add("col1");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        fieldNames.add("col2");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringO www.baidu620.com bjectInspector);

        //定义了行的列数和类型
        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
    }
    @Override
    public void close() throws HiveException {


    }

}

 

       3.编包上传到hdfs

          在此项目pom文件的路径下执行mvn clean install

          将target文件中生成的jar文件上传到hdfs上，路径自己自定义，我直接上传到/。

          sudo -u hdfs hdfs dfs -put testudf-1.0-SNAPSHOT.jar /

      4.使用hivesql或者sparksql加载自定义函数

           beeline -u jdbc:hive2://node113.leap.com:10000 -n hive

           create function test.iptonum as ‘com.liubl.helloudtf‘ using jar ‘hdfs:///testudf-1.0-SNAPSHOT.jar‘;

           (com.liubl.HelloUdf为代码类的全路径自己去粘贴一下)

           （测试sql见图）

UDTF的使用：

UDTF有两种使用方法，一种直接放到select后面，一种和lateral view一起使用。

1：直接select中使用：select explode_map(properties) as (col1,col2) from src;

• 不可以添加其他字段使用：select a, explode_map(properties) as (www.mcyllpt.com/  col1,col2) from src
• 不可以嵌套调用：select explode_www.yongshiyule178.com map(explode_map(properties)) from src
• 不可以和group by/cluster by/distribute by/sort www.078881.cn  by一起使用：select explode_map(properties) as (col1,col2) from src group by col1, col2

2：和lateral view一起使用：select src.id, mytable.col1, mytable.col2 from src www.yigouylpt2.cn   lateral view explode_map(properties) mytable as col1, col2;

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