深入浅出学Hive——Hive高级编程，

深入浅出学Hive——Hive高级编程，

目录：

初始Hive

Hive安装与配置

Hive内建操作符与函数开发

Hive JDBC

Hive参数

Hive高级编程

Hive QL

Hive Shell基本操作

Hive优化

Hive体系结构

Hive原理

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：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。它有两个列

string pageid	Array<int> 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; •将输出如下结果 string pageid int adid "front_page" 1 ……. “contact_page" 3   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 转载请注明出处【 http://sishuok.com/forum/blogPost/list/6226.html】