Hive中UDF和UDAF的使用

UDF

用户自定义函数（user defined function)–针对单条记录。
创建函数流程
1、自定义一个Java类
2、继承UDF类
3、重写evaluate方法
4、打成jar包
6、在hive执行add jar方法
7、在hive执行创建模板函数
8、hql中使用

Demo01:
自定义一个Java类

打成jar包UDFTest.jar
在hive执行add jar方法
在hive创建一个bigthan的函数，引入的类是UDF.UDFTest

1.add jar /liguodong/UDFTest.jar;
2.create temporary function bigthan as 'UDFDemo.UDFTest';

1.select no,num,bigthan(no,num) from testudf;

UDAF

UDAF(user defined aggregation function)用户自定义聚合函数，针对记录集合

开发UDAF通用有两个步骤
第一个是编写resolver类，resolver负责类型检查，操作符重载。
第二个是编写evaluator类，evaluator真正实现UDAF的逻辑
通常来说，顶层UDAF类继承
org.apache.Hadoop.hive.ql.udf.generic.GenericUDAFEvaluator里面编写嵌套类evaluator实现UDAF的逻辑。

一、实现resolver
resolver通常继承
org.apache.hadoop.hive.ql.udf.GenericUDAFResolver2，但是更建议继承AbstractGenericUDAFResolver，隔离将来hive接口的变化。
GenericUDAFResolver和GenericUDAFResolver2接口的区别是后面的允许evaluator实现可以访问更多的信息，例如DISTINCT限定符，通配符FUNCTION(*)。

二、实现evaluator
所有eva1uators必须继承抽象类
org.apache.hadoop.hive.ql.udf.generic.GenericUDAFEvaluator。予类必须实现它的一些抽象方法，实现UDAF的逻辑。

Mode
这个类比较重要，它表示了udaf在mapreduce的各个阶段，理解Mode的含义，就理解了hive的UDAF的运行流程。

public static enum Mode{
    PARTIAL1,
    PARTIAL2,
    FINAL,
    COMPLETE
};
PARTIAL1：这个是mapreduce的map阶段：从原始数据到部分数据聚合，将会调用iterate()和terminatePartial()。

PARTIAL2：这个是mapreduce的map端的Combiner阶段，负责在map端合并map的数据；从部分数据聚合到部分数据聚合，将会调用merge()和terminatePartial()。

FINAL：mapreduce的reduce阶段：从部分数据的聚合到完全聚合，将会调用merge()和terminate()。

COMPLETE：如果出现了这个阶段，表示mapreduce只有map，没有reduce，所以map端就直接出结果了；从原始数据直接到完全聚合，将会调用iterate()和terminate()

流程–无Combiner

流程–有Combiner

mapreduce阶段调用函数
MAP
init()
iterate()
terminatePartial()

Combiner
merge()
terminatePartial()

REDUCE
init()
merge()
terminate()

永久函数

方式1、如果希望在hive中自定义一个函数，且能永久使用，
则修改源码添加相应的函数类，然后在修改ql/src/java/org/apache/hadoop/hive/ql/exec/FunctionRegistry.java类，添加相应的注册函数代码registerUDF("parse_url",UDFParseUrl.class,false);。

方式2、hive -i ‘file’

方式3、新建hiverc文件
1、jar包放到安装日录下或者指定目录下
2、${HIVE_HOME}/bin目录下有个.hiverc文件，它是隐藏文件。
3、把初始化语句加载到文件中

1.vi .hiverc
2.add jar /liguodong/UDFTest.jar;
3.create temporary function bigthan as 'UDFDemo.UDFTest';
然后打开hive时，它会自动执行.hiverc文件。

cloudera官网