Hive函數

函數分類

• cli命令
  • 顯示當前對話有多少函數可用 show functions;
  • 顯示函數的表述信息 desc function concat;
  • 顯示函數的擴展描述信息 desc function extended concat;
• 簡單函數
• 特殊函數
  • 窗口函數
    • 應用場景
      • 用于分區排序
      • 動態Group by
      • Top N
      • 累計計算
      • 層次查詢
    • Windowing function
      • lead
      • lag
      • FIRST_VALUE
      • LAST_VALUE
  • 分析函數
    • THE OVER clause
      • COUNT
      • SUM
      • MIN
      • MAX
      • AVG
    • Analytics functions
      • RANK
      • ROW_NUIMBER
      • DENSE_RANK
      • CUME_DIST
      • PERCENT_RANK
      • NTILE
  • 混合函數
    • java_method(class,method[,arg1[,arg2...]])
    • reflect(class,method[,arg1[,arg2...]])
    • hash(a1[,a2])
  • UDTF
    • 表函數
      • lateralView:LATERAL VIEW udtf(expression) tableAlias AS columnAlias(',',columnAlias)* fromClause:FROM baseTable(lateralView)*
    • 例子
      • explode函數 :行展開為列

內置函數

正則表達式

• 使用正則表達式的函數
• A LIKE B，字符"_"表示任意單個字符，而字符"%"表示任意數量的字符
• A RLIKE B
  • select 1 from dual where 'footbar' rlike ^f.*r$;
• regexp_replace(string A,string B,string C)
  • select regexp_replace('footbar','oo|ar','') from dual;(return 'fb')
• regexp_extract(string subject,string pattern,int index)
  • select regexp_extract('foothebar','foo(.*?)(bar)',1) from winfunc;

自定義函數

UDF

• UDF-用戶自定義函數(user defined function)
  • 針對單條記錄
• 創建函數
  • 自定義一個java類
  • 繼承UDF類
  • 重寫evaluate方法
  • 打jar包
  • hive執行add jar
    • add jar /home/jar/function.jar
  • hive執行創建模板函數
    • create temporary function bigthan as 'com.udf.udftest';
  • hql中使用

UDAF

• UDAF用戶自定義聚合函數
  • user defined aggregation function
  • 針對記錄集合
• 開發通用UDAF有兩個步驟
  • 第一個是編寫resolver類，resolver負責類型檢查，操作符重載。
  • 第二個是編寫evaluator類，evaluator真正實現UDAF的邏輯
• 通常來說，頂層UDAF類繼承org.apache.hadoop.hive.ql.udf.GenericUDAFResolver2,里面編寫嵌套類evaluator實現UDAF的邏輯
• 實現resolver
  • resolver通常繼承org.apache.hadoop.hive.ql.udf.GenericUDAFResolver2，但是更建議繼承AbstractGenericUDAFResolver，隔離將來hive接口的變化。GenericUDResolver和GenericUDResolver2接口的區別是，后面的允許evaluator實現可以訪問更多的信息，例如DISTINCT限定符，通配符FUNCTION(*)。
• 實現evaluator
  • 所有evaluators必須繼承抽象類org.apache.hadoop.hive.ql.udf.generic.GenericUDAFEvaluator。子類必須實現它的一些抽象方法，實現UDAF的邏輯。
• Mode
  • 這個類比較重要，它表示了udaf在mapreduce的各個階段，理解Mode的含義，就可以理解了hive的UDAF的運行流程
  • public static enum Mode{
    PARTIAL1，
    PARTIAL2，
    FINAL，
    COMPLETE
    };
  • PARTIAL1:這個是mapreduce的map階段:從原始數據到部分數據聚合，將會調用iterate()和terminatePartial()
  • PARTIAL2:這個是mapreduce的map端的Combiner階段，負責在map端合并map的數據；從部分數據聚合到部分數據聚合，將會調用merge()和terminatePartial()
  • FINAL:mapreduce的reduce階段:從部分數據的聚合到完全聚合，將會調用merge()和terminate()
  • COMPLETE:如果出現了這個階段，表示mapreduce只有map，沒有reduce，所有map端就直接出結果了；從原始數據直接到完全聚合，將會調用iterate()和terminate()
• 永久函數
  • 如果希望在hive 中自定義一個函數，且能永久使用，則修改源碼添加相應的函數類，然后在修改ql/src/java/org/apache/hadoop/hive/ql/exec/FunctionRegistry.java類，添加相應的注冊函數代碼。registerUDF("parse_url",UDFParseUrl.class.false);
  • 寫一個hql文件，hive -i 'file'
  • 新建hiverc文件
    • jar包放到安裝目錄下或者指定目錄下
    • $HOME/.hiverc
    • 把初始化語句加載到文件中