Hive学习笔记之--Hive 高级编程，

Hive学习笔记之--Hive 高级编程，

第一部分：产生背景
产生背景 为了满足客户个性化的需求，Hive被设计成一个很开放的系统，很多内容都支持用户定制，包括： •文件格式：Text File，Sequence File •内存中的数据格式： Java Integer/String, Hadoop  IntWritable/Text •用户提供的 map/reduce 脚本：不管什么语言，利用 stdin/stdout 传输数据 •用户自定义函数
自定义函数 虽然Hive提供了很多函数，但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发 •自定义函数包括三种UDF、UADF、UDTF •UDF(User-Defined-Function) •UDAF（User- Defined Aggregation Funcation） •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。 
HIVE中使用定义的函数的三种方式 •在HIVE会话中add 自定义函数的jar文件，然后创建function，继而使用函数 •在进入HIVE会话之前先自动执行创建function，不用用户手工创建 •把自定义的函数写到系统函数中，使之成为HIVE的一个默认函数，这样就不需要create temporary function   第二部分：UDF
UDF用法 •UDF(User-Defined-Function) •UDF函数可以直接应用于select语句，对查询结构做格式化处理后，再输出内容 编写UDF函数的时候需要注意一下几点:   •自定义UDF需要继承org.apache.hadoop.hive.ql.UDF   •需要实现evaluate函数   •evaluate函数支持重载   •UDF只能实现一进一出的操作，如果需要实现多进一出，则需要实现UDAF
UDF用法代码示例:
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;         }    }
开发步骤 •开发代码 •把程序打包放到目标机器上去 •进入hive客户端 •添加jar包：hive>add jar /run/jar/udf_test.jar; •创建临时函数：hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘ •查询HQL语句：   SELECT my_add (8, 9) FROM scores;   SELECT my_add (scores.math, scores.art) FROM scores; •销毁临时函数：hive> DROP TEMPORARY FUNCTION my_add ;
细节 在使用UDF的时候，会自动进行类型转换，例如：  
  SELECT my_add (8,9.1) FROM scores; 结果是17.1，UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的
第三部分：UDAF
UDAF •Hive查询数据时，有些聚类函数在HQL没有自带，需要用户自定义实现 •用户自定义聚合函数: Sum, Average…… n – 1 •UDAF（User- Defined Aggregation Funcation） 
用法 一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator
开发步骤 •函数类需要继承UDAF类，内部类Evaluator实UDAFEvaluator接口 •Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数 a）init函数实现接口UDAFEvaluator的init函数。 b）iterate接收传入的参数，并进行内部的轮转。其返回类型为boolean。 c）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。 d）merge接收terminatePartial的返回结果，进行数据merge操作，其返回类型为boolean。 e）terminate返回最终的聚集函数结果。
执行步骤 •执行求平均数函数的步骤 a）将java文件编译成Avg_test.jar。 b）进入hive客户端添加jar包： hive>add jar /run/jar/Avg_test.jar。 c）创建临时函数： hive>create temporary function avg_test 'hive.udaf.Avg'; d）查询语句： hive>select avg_test(scores.math) from scores; e）销毁临时函数： hive>drop temporary function avg_test;   UDAF代码示例 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)  用来解决 输入一行输出多行(On-to-many maping) 的需求。
开发步骤 UDTF步骤： •必须继承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，对传入的参数进行处理，可以通过forword()方法把结果返回 最后close()方法调用，对需要清理的方法进行清理
使用方法 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 •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 (col1,col2) from src   不可以嵌套调用：select explode_map(explode_map(properties)) from src   不可以和group by/cluster by/distribute by/sort by一起使用，如：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。
lateral view • Lateral View语法 lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*     •Lateral View用于UDTF(user-defined table generating functions)中将行转成列，例如explode(). •目前Lateral View不支持有上而下的优化。如果使用Where子句，查询可能将不被编译。解决方法见：      此时，在查询之前执行set hive.optimize.ppd=false;
例子： pageAds表，它有两个列：

string pageid	Array<int> adid_list
" front_page"	[1, 2, 3]
"contact_page  "	[  3, 4, 5]

--查询 SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid; --将输出如下结果 string pageid int adid "front_page" 1 ……. “contact_page" 3
--再如下面的查询 hive> select name,subordinates from employees;
Mary Smith      ["Bill King"]
John Doe        ["Mary Smith","Todd Jones"]
Todd Jones      []

hive> select name,sub from employees lateral view explode(subordinates) adTable as sub; Mary Smith      Bill King
John Doe        Mary Smith
John Doe        Todd Jones

代码示例 public class  MyUDTF  extends GenericUDTF{ public StructObjectInspector initialize(ObjectInspector[]  args)  {} public void process(Object[] args) throws HiveException {  } } 实现：切分  ”  key:value;key:value;”  这种字符串，  返回结果为  key, value  两个字段