hive的UDF函数的使用。常见UDF函数

UDF的话一般是hive提供的函数功能满足不了业务需要，我们就会自己来写UDF函数来辅助完成，对于我们常用的函数而言还是哪些常见的聚合函数，如：count、sum、avg、max、min等，其他的话就要切合我们的需求来进行使用了，不过一般较为常用的有

1.cast(expr as <type>)

可以做： cast('1' as BIGINT) 字符串转换为数字

2、if语句

if(boolean testCondition, T valueTrue, T valueFalseOrNull)

如果 testCondition 为 true 返回 valueTrue，否则返回 valueFalse 或 Null

如： if(1 == 1, 1, 2) 结果为1

3、case语句

CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END

如：case when a == b then b when a == c then c else d end

4、字符串连接

concat(string1, string2, ...)

如：concat('hello', ' word') 结果为 hello word

5、计算字符串长度

length(string)

如：length('hello') 结果为5

6、查找子串的位置

locate(string substr, string str[, int pos])

如：locate('%', '100%') 返回3

7、聚合某一列数据

collect_set(col) 会去重

collect_list(col) 不会去重

如何构建UDF？

用户构建的UDF使用过程如下：
第一步：继承UDF或者UDAF或者UDTF，实现特定的方法。
第二步：将写好的类打包为jar。如hivefirst.jar.
第三步：进入到Hive外壳环境中，利用add jar /home/hadoop/hivefirst.jar.注册该jar文件
第四步：为该类起一个别名，create temporary function mylength as 'com.whut.StringLength';这里注意UDF只是为这个Hive会话临时定义的。
第五步：在select中使用mylength();

结合项目中使用

问题

hive无法按照5分钟对日志分组

方案

hive UDF

实现步骤

创建UDF：①extends UDF ②重写evaluate方法

Java代码收藏代码

package com.xxx.udf;

import java.math.BigDecimal;

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

public class UDFTrunc5min extends UDF {

/**

* truncate 5 minute

* @param timestamp "1312128177.364"

* @return

public String evaluate(String timestamp) {

try {

return new BigDecimal(timestamp).multiply(new BigDecimal("1000")).longValue() / 300000 * 300000 + "";

} catch (Exception e) {

return null;

}

将udf打jar包，并上传到hive server上

运行hive cli，执行如下命令：

Java代码收藏代码

<span style="font-weight: normal;">#添加udf jar

add jar /xxxx/xxx/my_udf.jar;

#创建临时函数，临时函数，每次打开cli都需要创建function

#如果是系统常用的函数可以发布到hive-exec项目，稍后介绍

create temporary function t5m as 'com.xx.udf.Trunc5min';

#使用udf

select t5m(time) from log group by t5m(time);</span>