Hive UDAF開發

Hive進行UDAF開發，相對要比UDF複雜一些，不過也不是很難。


請看一個例子


package org.hrj.hive.udf;


import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;


 


public class UDAFSum_Sample extends NumericUDAF {
    public static class Evaluator implements UDAFEvaluator {
        private boolean mEmpty;
        private double mSum;
        public Evaluator() {
            super();
            init();
        }


        public void init() {
            mSum = 0;
            mEmpty = true;
        }


        public boolean iterate(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }


        public DoubleWritable terminatePartial() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }


        public boolean merge(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }


        public DoubleWritable terminate() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }
    }
}


 


1.將java文件編譯成Sum_Sample.jar


2.進入hive


hive> add jar Sum_sample.jar;


hive> create temporary function sum_test as 'com.hrj.hive.udf.UDAFSum_Sample';


hive> select sum_test(t.num) from t;


hive> drop temporary function sum_test;


hive> quit;


 


關於UDAF開發注意點：


1.需要import org.apache.hadoop.hive.ql.exec.UDAF以及org.apache.hadoop.hive.ql.exec.UDAFEvaluator,這兩個包都是必須的


2.函數類需要繼承UDAF類，內部類Evaluator實現UDAFEvaluator接口


3.Evaluator需要實現 init、iterate、terminatePartial、merge、terminate這幾個函數


    1）init函數類似於構造函數，用於UDAF的初始化


    2）iterate接收傳入的參數，並進行內部的輪轉。其返回類型爲boolean


    3）terminatePartial無參數，其爲iterate函數輪轉結束後，返回亂轉數據，iterate和terminatePartial類似於hadoop的Combiner


    4）merge接收terminatePartial的返回結果，進行數據merge操作，其返回類型爲boolean

    5）terminate返回最終的聚集函數結果