Hive自定义函数实现通过日期计算星座

虽然Hive已经提供了很多内置的函数，比如count()、sum()，但是还是不能满足用户的需求，因此提供了自定义函数供用户自己开发函数来满足自己的需求。

一、自定义函数分类

•     UDF(User-Defined-Function)用户自定义函数，输入一个数据然后产生一个数据； 

•     UDAF(User-Defined Aggregation Function)用户自定义聚合函数，多个输入数据然后产生一个输出参数； 

•     UDTF(User-Defined Table-generating Function)用户自定义表生成函数，输入一行数据生成N行数据

  接下来，我们将编写自己的UDF，实现通过一个人的出生日期，计算其所属的星座。

二、自定义函数流程

要想在Hive中完成自定义函数的操作，要按照如下的流程进行操作：

1、自定义Java类并继承org.apache.hadoop.hive.ql.exec.UDF；

2、覆写evaluate函数，evaluate函数支持重载；

3、把程序打包放到hive所在服务器；

4、进入hive客户端，添加jar包；

5、创建关联到Java类的Hive函数；

6、Hive命令行中执行查询语句：select id, 方法名(name) from 表名——得出自定义函数输出的结果。

三、自定义函数实现

1、创建java类

新建java工程，导入项目依赖包hive-exec-x.x.x.jar,创建类UDFDemo如下：

package cn.hust.book.bigdata;
import java.text.SimpleDateFormat;
import java.util.Calendar;

import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDF;

@Description(name="UDFDemo", value="_FUNC_(date)-from the input date string"+"or separate month and day arguments,returns the sign of the UDFDemo",
extended ="Example :\n"+"> SELECT _FUNC_(data_string) from src;\n"+ ">SELECT _FUNC_(mouth,day0) FORM src;")

public class UDFDemo extends UDF {
	private SimpleDateFormat df;
 
	public UDFDemo(){

		df= new SimpleDateFormat("yyyy-MM-dd");

	}


	public String evaluate(String date_str) throws Exception{
		int month;
		int day;
		try{
		java.util.Date bday = df.parse(date_str);
		Calendar cal = Calendar.getInstance();
		cal.setTime(bday);
		 month = cal.get(Calendar.MONTH)+1;
		 day = cal.get(Calendar.DAY_OF_MONTH);
		}catch (Exception e) {
			return null;
		}
	
		if(month==1){
			if(day<20){
				return "魔蝎座";
			}else{
				return "水瓶座";
			}
		}
		if(month==2){
			if(day<19){
				return "水瓶座";
			}else{
				return "双鱼座";
			}
		}
		if(month==3){
			if(day<21){
				return "双鱼座";
			}else{
				return "白羊座";
			}
		}
		if(month==4){
			if(day<20){
				return "白羊座";
			}else{
				return "金牛座";
			}
		}
		if(month==5){
			if(day<21){
				return "金牛座";
			}else{
				return "双子座";
			}
		}
		if(month==6){
			if(day<22){
				return "双子座";
			}else{
				return "巨蟹座";
			}
		}
		if(month==7){
			if(day<23){
				return "巨蟹座";
			}else{
				return "狮子座";
			}
		}
		if(month==8){
			if(day<23){
				return "狮子座";
			}else{
				return "处女座";
			}
		}
		if(month==9){
			if(day<23){
				return "处女座";
			}else{
				return "天秤座";
			}
		}
		if(month==10){
			if(day<24){
				return "天秤座";
			}else{
				return "天蝎座";
			}
		}
		if(month==11){
			if(day<23){
				return "天蝎座";
			}else{
				return "射手座";
			}
		}
		if(month==12){
			if(day<22){
				return "射手座";
			}else{
				return "摩羯座";
			}
		}
		return null;
	}
	/*
	 * 测试
	 */
	public static void main(String[] args) throws Exception{
		UDFDemo demo =new UDFDemo();
		String date_str = "2009-04-15";
		System.out.println("result:"+demo.evaluate(date_str));
	}

}

    编写一个UDF，关键在于自定义Java类需要继承UDF类并实现evaluate()函数。因为在hive客户端执行查询时，查询中每处应用到这个函数的地方都会对这个类进行实例化。对于每行输入都会调用evaluate()函数，evaluate()函数处理后的值会返回给hive。

2、项目打包

   将项目在eclipes中打包为jar包并命名为HiveUDF.jar，打包后上传到服务器指定目录，此处我们选择/home/hadoop/hive-test目录，如图所示：

3、加载样本数据集

进入到hive客户端，创建数据表：

1. hive> CREATE TABLE IF NOT EXISTS userinfo(  

2.     >name    STRING ,    //姓名

3.     >bday    STRING ,    //出生日期

4.      )  

5.     > ROW FORMAT DELIMITED FIELDS TERMINATED BY ','; 

将样本数据集加载到userinfo表中：

1. hive> LOAD DATA LOCAL INPATH '样本数据集地址'  

2.     > INTO TABLE userinfo; 

我们的样本数据集内容如下（地址：/home/hadoop/hive-test/bday.txt）：

4、添加jar包

在hive客户端，将HiveUDF.jar文件加载到类路径：

1. hive> ADD JAR  /home/hadoop/hive-test/HiveUDF.jar;

5、创建关联到Java类的hive函数

通过CREATE FUNCTION语句定义好使用这个java类的函数：

1. hive> CREATE TEMPORARY FUNCTION HiveUDF

2.     > AS 'cn.hust.book.bigdata.UDFDemo';  //cn.hust.book.bigdata.UDFDemo对应java程序包名+类名

6、执行查询

到目前为止，这个判断星座的UDF可以像其他函数一样使用了，首先，我们看一下HiveUDF()函数的描述：

1. hive> DESCRIBE FUNCTION HiveUDF;

接下来，查询样本数据集中人员出生日期对应的星座：

1. hive> SELECT name,bday,HiveUDF(bday) from userinfo;

当我们使用完自定义UDF后，可通过如下命令删除此函数：

1. hive> DROP TEMPORARY FUNCTION HiveUDF;

最后，附上源码+依赖包+HiveUDF.jar下载地址：

链接:https://pan.baidu.com/s/17BrNv5HciFL9GW3QmY4fIA  

密码:xeal

原文出处