Hive 高階程式設計——深入淺出學Hive

xinqing010發表於2014-01-16
產生背景
•為了滿足客戶個性化的需求,Hive被設計成一個很開放的系統,很多內容都支援使用者定製,包括:
•檔案格式:Text File,Sequence File
•記憶體中的資料格式: Java Integer/String, Hadoop  IntWritable/Text
•使用者提供的 map/reduce 指令碼:不管什麼語言,利用 stdin/stdout 傳輸資料
•使用者自定義函式
自定義函式
•雖然Hive提供了很多函式,但是有些還是難以滿足我們的需求。因此Hive提供了自定義函式開發
•自定義函式包括三種UDF、UADF、UDTF
•UDF(User-Defined-Function)
•UDAF(User- Defined Aggregation Funcation)
•UDTF(User-Defined Table-Generating Functions)  用來解決 輸入一行輸出多行(On-to-many maping) 的需求。 
HIVE中使用定義的函式的三種方式
•在HIVE會話中add 自定義函式的jar檔案,然後建立function,繼而使用函式
•在進入HIVE會話之前先自動執行建立function,不用使用者手工建立
•把自定義的函式寫到系統函式中,使之成為HIVE的一個預設函式,這樣就不需要create temporary function
 
第二部分:UDF
UDF用法
•UDF(User-Defined-Function)
•UDF函式可以直接應用於select語句,對查詢結構做格式化處理後,再輸出內容
•編寫UDF函式的時候需要注意一下幾點
•自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF
•需要實現evaluate函式
•evaluate函式支援過載
•UDF只能實現一進一出的操作,如果需要實現多進一出,則需要實現UDAF
UDF用法程式碼示例
 
import org.apache.Hadoop.hive.ql.exec.UDF   
   public  class Helloword  extends UDF{   
      public String evaluate(){   
           return "hello world!";   
     }   
  
      public String evaluate(String str){   
           return "hello world: " + str;   
     }   
}
開發步驟
•開發程式碼
•把程式打包放到目標機器上去
•進入hive客戶端
•新增jar包:hive>add jar /run/jar/udf_test.jar;
•建立臨時函式:hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘
•查詢HQL語句:
•SELECT my_add (8, 9) FROM scores;
•SELECT my_add (scores.math, scores.art) FROM scores;
•銷燬臨時函式:hive> DROP TEMPORARY FUNCTION my_add ;
•細節
•在使用UDF的時候,會自動進行型別轉換,例如:
SELECT my_add (8,9.1) FROM scores;
•結果是17.1,UDF將型別為Int的引數轉化成double。型別的飲食轉換是通過UDFResolver來進行控制的
第三部分:UDAF
UDAF
•Hive查詢資料時,有些聚類函式在HQL沒有自帶,需要使用者自定義實現
•使用者自定義聚合函式: Sum, Average…… n – 1
•UDAF(User- Defined Aggregation Funcation) 
用法
•一下兩個包是必須的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator
開發步驟
•函式類需要繼承UDAF類,內部類Evaluator實UDAFEvaluator介面
•Evaluator需要實現 init、iterate、terminatePartial、merge、terminate這幾個函式
a)init函式實現介面UDAFEvaluator的init函式。
b)iterate接收傳入的引數,並進行內部的輪轉。其返回型別為boolean。
c)terminatePartial無引數,其為iterate函式輪轉結束後,返回輪轉資料,terminatePartial類似於hadoop的Combiner。
d)merge接收terminatePartial的返回結果,進行資料merge操作,其返回型別為boolean。
e)terminate返回最終的聚集函式結果。
執行步驟
•執行求平均數函式的步驟
a)將java檔案編譯成Avg_test.jar。
b)進入hive客戶端新增jar包:
hive>add jar /run/jar/Avg_test.jar。
c)建立臨時函式:
hive>create temporary function avg_test 'hive.udaf.Avg';
d)查詢語句:
hive>select avg_test(scores.math) from scores;
e)銷燬臨時函式:
hive>drop temporary function avg_test;
 
UDAF程式碼示例
public class MyAvg extends UDAF {
 
public static class AvgEvaluator implements UDAFEvaluator {
}
public void init() {}
public boolean iterate(Double o) {}
public AvgState terminatePartial() {}
public boolean terminatePartial(Double o) { }
public Double terminate() {}
 
}
第四部分:UDTF
UDTF
•UDTF(User-Defined Table-Generating Functions)  用來解決 輸入一行輸出多行(On-to-many maping) 的需求。
開發步驟
•UDTF步驟:
•必須繼承org.apache.Hadoop.hive.ql.udf.generic.GenericUDTF
•實現initialize, process, close三個方法
•UDTF首先會
•呼叫initialize方法,此方法返回UDTF的返回行的資訊(返回個數,型別)
初始化完成後,會呼叫process方法,對傳入的引數進行處理,可以通過forword()方法把結果返回
•最後close()方法呼叫,對需要清理的方法進行清理
使用方法
•UDTF有兩種使用方法,一種直接放到select後面,一種和lateral view一起使用
•直接select中使用:select explode_map(properties) as (col1,col2) from src;
•不可以新增其他欄位使用:select a, explode_map(properties) as (col1,col2) from src
•不可以巢狀呼叫: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
•和lateral view一起使用:select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;
此方法更為方便日常使用。執行過程相當於單獨執行了兩次抽取,然後union到一個表裡。
lateral view
• Lateral View語法
•lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*  
 
•Lateral View用於UDTF(user-defined table generating functions)中將行轉成列,例如explode().
•目前Lateral View不支援有上而下的優化。如果使用Where子句,查詢可能將不被編譯。解決方法見:
     此時,在查詢之前執行set hive.optimize.ppd=false;
•  例子
•pageAds。它有兩個列
string pageid
Array adid_list
" front_page"
[1, 2, 3]
"contact_page "
[ 3, 4, 5]
•SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;
•將輸出如下結果
string pageid int adid
"front_page" 1
…….
“contact_page" 3
 
程式碼示例
public class MyUDTF extends GenericUDTF{
public StructObjectInspector initialize(ObjectInspector[] args) {}
public void process(Object[] args) throws HiveException { }
}
實現:切分 key:value;key:value;” 這種字串, 返回結果為 key, value 兩個欄位

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/26715458/viewspace-1071464/,如需轉載,請註明出處,否則將追究法律責任。

相關文章