Integración con las UDF, UDAF y UDTF de Hive
Se aplica a: Databricks Runtime
Spark SQL admite la integración de UDF, UDAF y UDTF de Hive. De forma similar a las UDF y UDAF de Spark, las UDF de Hive funcionan en una sola fila como entrada y generan una sola fila como salida, mientras que las UDAF de Hive funcionan en varias filas y devuelven una sola fila agregada como resultado. Además, Hive también admite UDTF (funciones tabulares definidas por el usuario) que actúan en una fila como entrada y devuelven varias filas como salida. Para usar UDF, UDAF o UTF de Hive, el usuario debe registrarlas en Spark y, después, usarlas en las consultas SQL de Spark.
Ejemplos
Hive tiene dos interfaces de UDF: UDF y GenericUDF.
En el ejemplo siguiente se usa GenericUDFAbs derivado de GenericUDF
.
-- Register `GenericUDFAbs` and use it in Spark SQL.
-- Note that, if you use your own programmed one, you need to add a JAR containing it
-- into a classpath,
-- e.g., ADD JAR yourHiveUDF.jar;
CREATE TEMPORARY FUNCTION testUDF AS 'org.apache.hadoop.hive.ql.udf.generic.GenericUDFAbs';
SELECT * FROM t;
+-----+
|value|
+-----+
| -1.0|
| 2.0|
| -3.0|
+-----+
SELECT testUDF(value) FROM t;
+--------------+
|testUDF(value)|
+--------------+
| 1.0|
| 2.0|
| 3.0|
+--------------+
En el ejemplo siguiente se usa GenericUDTFExplode derivado de GenericUDTF.
-- Register `GenericUDTFExplode` and use it in Spark SQL
CREATE TEMPORARY FUNCTION hiveUDTF
AS 'org.apache.hadoop.hive.ql.udf.generic.GenericUDTFExplode';
SELECT * FROM t;
+------+
| value|
+------+
|[1, 2]|
|[3, 4]|
+------+
SELECT hiveUDTF(value) FROM t;
+---+
|col|
+---+
| 1|
| 2|
| 3|
| 4|
+---+
Hive tiene dos interfaces de UDAF: UDAF y GenericUDAFResolver.
En el ejemplo siguiente se usa GenericUDAFSum derivado de GenericUDAFResolver
.
-- Register `GenericUDAFSum` and use it in Spark SQL
CREATE TEMPORARY FUNCTION hiveUDAF
AS 'org.apache.hadoop.hive.ql.udf.generic.GenericUDAFSum';
SELECT * FROM t;
+---+-----+
|key|value|
+---+-----+
| a| 1|
| a| 2|
| b| 3|
+---+-----+
SELECT key, hiveUDAF(value) FROM t GROUP BY key;
+---+---------------+
|key|hiveUDAF(value)|
+---+---------------+
| b| 3|
| a| 3|
+---+---------------+