Hive自定义UDAF

2023年5月18日 278次阅读 来源: voidxin

注：本文copy自http://blog.csdn.net/lzm1340458776/article/details/43313919，纯属当笔记使用。

Hive在查询数据时，有些聚类函数框架并没有提供实现，需要用户自定义实现，这称为UDAF(User-Defined Aggregation Function)。UDAF是针对多条记录的，通俗的讲就是多进一出。下面是实现UDAF的步骤：
1：函数类需要继承UDAF类，并且该函数类中必须提供一个实现了UDAFEvaluator接口的内部类。
2.内部类需要实现init()、iterate()、terminatePartial()、merge()、terminate()这几个函数。
2.1：init()函数实现接口UDAFEvaluator中的init()函数，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存放最终结果。
2.2：iterate()函数接收传入的参数，并进行内部轮转。其返回类型为boolean，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，则返回true。
2.3：terminatePartial()无参数，其为iterate()函数轮转结束后，返回轮转数据，terminatePartial()类似于Hadoop的Combiner，Hive需要部分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。
2.4：merge接收terminatePartial()的返回结果，进行数据merge()操作，其返回类型为boolean，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。
2.5：terminate()返回最终的聚集函数结果，Hive最终聚集结果的时候会调用该方法。计算函数需要把状态作为一个值返回给用户。

注：部分聚集结果的数据类型和最终结果的数据类型可以不同。

示例：自定义一个求最大值的UDAF函数：

/** 
 * UDAF是输入多个数据行，产生一个数据行 
 * 用户自定义UDAF必须继承UDFA，必须提供一个实现了UDAFEvaluator接口的内部类 
 * @author 廖*民 
 * time : 2015年1月30日下午9:43:38 
 * @version 
 */  
public class MaxiNumber extends UDAF{   
    public static class MaxiNumberIntUDAFEvaluator implements UDAFEvaluator{   
        //最终结果   
        private FloatWritable result;   
        //负责初始化计算函数并设置它的内部状态，result是存放最终结果的   
        public void init() {   
            result=null;   
        }   
        //每次对一个新值进行聚集计算都会调用iterate方法   
        public boolean iterate(FloatWritable value)   
        {   
            if(value==null)   
                return false;   
            if(result==null)   
              result=new FloatWritable(value.get());   
            else  
              result.set(Math.max(result.get(), value.get()));   
            return true;   
        }   
                                                                                                                                     
        //Hive需要部分聚集结果的时候会调用该方法   
        //会返回一个封装了聚集计算当前状态的对象   
        public FloatWritable terminatePartial()   
        {   
            return result;   
        }   
        //合并两个部分聚集值会调用这个方法   
        public boolean merge(FloatWritable other)   
        {   
            return iterate(other);   
        }   
        //Hive需要最终聚集结果时候会调用该方法   
        public FloatWritable terminate()   
        {   
            return result;   
        }   
    }   
}

#打成jar包，上传到服务器。
#添加到Hive环境

hive (hive)> add jar /usr/local/src/maxi.jar;  
Added /usr/local/src/maxi.jar to class path  
Added resource: /usr/local/src/maxi.jar

#创建临时函数

hive (hive)> create temporary function maxNumber as 'com.lixue.udaf.MaxiNumber';  
OK  
Time taken: 0.018 seconds

#测试数据：求id的最大值

hive (hive)> select * from user;  
OK  
id  name  
1   lavimer  
2   liaozhongmin  
3   liaozemin  
100 hello  
200 hadoop

#使用自定义的UDAF

hive (hive)> select maxNumber(id) from user;  
//MapReduce...  
OK  
_c0  
200.0  
Time taken: 5.364 seconds

#删除UDAF

hive (hive)> drop temporary function maxNumber;  
OK  
Time taken: 0.03 seconds  
hive (hive)>
    原文作者：voidxin
    原文地址: https://www.jianshu.com/p/01efaa6befad
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞