hive自定義函數和transform

hive自定義函數(udf:user-defined function)

例1:
對于以下數據

1367775,10
1363426,10
1371235,10
1371237,10
1371236,10
1376888,10
1382132,10

1367775   beijing    10
1363426   beijing    10
1371235   shanghai   10
1371237   shanghai   10
1361236   beijing    10
1366888   beijing    10
1382132   shenzhen   10
寫一個函數得到省份名

1、開發一個java類,繼承UDF(聚合函數繼承UDAF)并重載evaluate方法

package bigdata.udf

import org.apache.hadoop.hive.ql.exec.UDF;
                                 //繼承類
public class ToLowerCase(GetProvince) extends UDF{
//加載一個字典表
    public static HashMap<Integer,String> provinceMap=new HashMap<Integer,String>
    static {
        provinceMap.put("136","beijing");
        provinceMap.put("137","shanghai");
        provinceMap.put("138","shenzhen");
    }


    //必須是public        //重載evaluate方法根據不同的輸入判斷調用那個函數
    public String evaluate(String field){
        String result = field.toLowerCase();
        return result;
    }
           //返回值           //輸入
    public String evaluate(int phonenbr){
        String pnb = String.valueOf(phonenbr);
        return provinceMap.get(pnb.substring(0,3))== null?"huoxin":provinceMap.get(pnb.substring(0,3));
    }   
}

2、打成jar包上傳到服務器
3、將jar包添加到hive的classpath
add JAR /home/hadoop/udf.jar;
4、創建臨時函數與開發好的java class 關聯
create temporary function getprovince as 'bigdata.udf.ToLowerCase';
5、hql中使用

create table t_flow(phonenbr int,flow int)
row format delimited //使用自帶的serde:S erDe是Serialize/Deserilize的簡稱,目的是用于序列化和反序列化。S erDe能為表指定列,且對列指定相應的數據。
fields terminated by ',';
load data local inpath '/home/hadoop/flow.dat' into table t_flow;

select phonenbr,getprovince(phonenbr),flow from t_flow;

例2:

create table t_json(line string)
row format delimited;
load data local inpath '' into table t_json;
select * from t_json limit 10;

class JsonParser
package bigdata.udf;
import org.apache.hadoop.hive.ql.exec.UDF;
import parquet.org.codehaus.jackson.map.ObjectMapper;
public class JsonParser extends UDF {  //alt+/ctrl+shift+o導包
//Window - Preferences - Java - Editor - Templates,這里你可以看到所有的eclipse的快捷方式
//alt+/補全   
    public String evaluate(String jsonline){  //輸入jsonline返回string
        ObjectMapper objectMapper = new ObjectMapper();
        try{
            MovieRateBean bean = ObjectMapper.readValue(jsonline,MovieRateBean);
            return bean.toString();
        }catch(Exception e){
        }
        return "";
    }   
}

MovieRateBean

package bigdata.udf;
public class MovieRateBean{
    private String movie;
    private String rate;
    private String timeStamp;
    private String uid;
    
    //alt+shift+s
    public String getMovie(){
        return movie;
    }
    public String setMovie(String movie){
        this.movie = movie;
    }
    public String getRate(){
        return rate;
    }
    public void setRate(String rate){
        this.rate = rate;
    }
    public String getTimeStamp(){
        return timestamp;
    }
    public void setTimeStamp(String timeStamp){
        this.timeStamp = timeStamp;
    }
    public String getUid(){
        return uid;
    }
    public void setUid(String uid){
        this.uid = uid;
    }
    
    public String toString(){
    
        return this.movie + "\t" + this.rate + "\t" +this.timeStamp + "\t" + this.uid();
    }
}

javabean:這個類是public的,還要有一個無參數的構造函數。第二,屬性是private的,必須通過get 和set 方法進行訪問。第三,支持“事件”,例如addXXXXListener(XXXEvent e),可以處理各種事件,比如鼠標點擊,鍵盤響應等等。第四,提供一個反射機制。第五,可以序列化/反序列化的,這樣,我就可以被方便的存儲,轉移了。

bin/beeline -u jdbc:hive2://localhost:10000 -n hadoop
add JAR /home/hadoop/udf.jar;
create temporary function parsejson as 'bigdata.udf.JsonParser';
select parsejson(line) form t_json limit 10;

但是只有一個字段,如何把它分為四個字段

//insert overwrite table t_rating
create table t_rating as
select split(parsejson(line),'\t')[0]as movieid,
split(parsejson(line),'\t')[1] as rate,
split(parsejson(line),'\t')[2] as timestring,
split(parsejson(line),'\t')[3] as uid 
from t_json;

內置json函數
select get_json_object(line,'$.movie') as moive,
get_json_object(line,'$.rate') as rate  from rat_json limit 10;

Transform實現

提供了在sql中調用自寫腳本(python或shell腳本)的功能,適合hive中沒有的功能又不想寫udf的情況。
1.加載rating.json文件到hive的一個原始表

create table t_json(line string)
row format delimited;
load data local inpath '' into table t_json;
select * from t_json limit 10;

2.需要解析json數據成四個字段,插入一張新表t_rating
內置json函數

set hive.support.sql11.reserved.keywords=false;##不然識不出timeStamp
hive> create table t_rating as
    > select get_json_object(line,'$.movie') as moive,get_json_object(line,'$.rate') as rate,get_json_object(line,'$.timeStamp') as timeStamp,get_json_object(line,'$.uid') as uid from t_json;

3.使用transform+python的方式轉換unixtime為weekday
先編輯一個python腳本文件,然后將文件加入hive的classpath下:

vi weekday_mapper.py
#!/bin/python
import sys
import datetime

for line in sys.stdin:
    line = line.strip()//去空格
    movieid,rate,timestring,uid = line.split('\t')
    weekday=datetime.datetime.fromtimestamp(float(timestring)).isoweekday()
    print '\t'.join([movieid,rating,str(weekday),userid])  //相當于后面用/t串起來

add file weekday_mapper.py;
create table u_data_new(
    movieid int,
    rating int,
    weekday int,
    userid int)
row format delimited
fields terminated by '/t';

insert overwrite table u_data_new
//create table u_data_new as
select
    transform(movieid,rate,timestring,uid)
    using'python weekday_mapper.py'
    as(movieid,rating,weekday,userid)
from t_rating;

報錯:生無可戀
ERROR : Ended Job = job_local1691136619_0009 with errors
Error: Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask (state=08S01,code=2)

select distinct(weekday) from u_data_new limit 10;
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,763評論 6 539
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,238評論 3 428
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,823評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,604評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,339評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,713評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,712評論 3 445
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,893評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,448評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,201評論 3 357
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,397評論 1 372
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,944評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,631評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,033評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,321評論 1 293
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,128評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,347評論 2 377

推薦閱讀更多精彩內容