Hadoop3集群搭建之——hive添加自定义函数UDF

上篇：

Hadoop3集群搭建之——虚拟机安装

Hadoop3集群搭建之——安装hadoop，配置环境

Hadoop3集群搭建之——配置ntp服务

Hadoop3集群搭建之——hive安装

Hadoop3集群搭建之——hbase安装及简单操作

 下篇：

Hadoop3集群搭建之——hive添加自定义函数UDTF

hive 提供的函数，总是不能很贴切的满足我们程序的需要，这时候就需要自定义hive的函数了

hive 函数，大概分为三种：

udf : 一行输入，一行输出
udtf : 一行输入，多行输出
udaf : 多行输入，一行输出，一般在group by中使用group by

不多说，直接开始编写。

1、UDF函数

我们的用户id，使用固定格式，如 000000001、000000002.。。。。。这样递增

在把用户每日数据，写入hbase的时候，设计row key 为：userid_yyyymmdd，这样有一个问题，由于hbase存储是以row key 递增的，

就会导致数据不均衡，随机读写命中率低（hbase读的时候，会吧row key附近的block块都读上来）。

然后，就需要把userid，翻转一下，如下：

100000000
200000000
300000000
400000000
500000000
600000000
700000000
。
。
。

基本这样，在使用hive算数据的时候，就把userid翻转一下，拼上当天的日期，rowkey 就出来了

下面开始编写revert 函数，代码上传到码云：https://gitee.com/SpringMoon-Venn/hivefunction

简单介绍一下：

hive function是个简单的java项目，只加载了两个jar包：hive-exec包和hadoop-common包

<!--hive 2.3.3 最新不会用，退回旧版-->
        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec</artifactId>
            <version>1.2.1</version>
        </dependency>
        <!--hadoop common-->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.0.1</version>
            <scope>provided</scope>
        </dependency>

上具体代码：

public class RevertString extends UDF {

    /**
     * evalute function: use overload 可以重载，自动识别
     * @param str
     * @return
     */
    public String evaluate(String str) {

        // if string is null or ""
        if(org.apache.commons.lang.StringUtils.isEmpty(str.trim())){
            return "";
        }
        int len = str.length();
        char[] chars = new char[len];
        // revert string
        for(int i=0; i < len; i++){
            chars[i] = str.charAt(len - i -1);
        }

        return new String(chars).toString();
    }
}

hive UDF函数，主要是继承UDF类，实现 evaluate方法，最后返回的即时转换后的字符串。

由于使用maven做项目管理，直接使用 mvn package，打包，jar包如下：

上传到服务器。

在 $HIVE_HOME/bin 创建.hiverc 文件

添加如下内容：

[hadoop@venn05 bin]$ more .hiverc 
add jar /opt/hadoop/lib/hivefunction-1.0-SNAPSHOT.jar;
create temporary function revert_string as 'com.venn.udf.RevertString';

关闭hive client，重新打开，使用自定义函数：

hive>
    > select revert_string(userid),userid from sqoop_test limit 10;
OK
18185403678    87630458181
77375403678    87630457377
77375403678    87630457377
27175403678    87630457172
75175403678    87630457157
20365403678    87630456302
25555403678    87630455552
25555403678    87630455552
34555403678    87630455543
17545403678    87630454571