Condividi tramite

Integrazione con funzioni UDF, UDAF e UDTF di Hive

  • Articolo

Si applica a: segno di spunta sì Databricks Runtime

Spark SQL supporta l'integrazione delle funzioni definite dall'utente Hive, delle funzioni definite dall'utente e delle funzioni definite dall'utente. Analogamente alle funzioni definite dall'utente spark e alle funzioni definite dall'utente, le funzioni definite dall'utente Hive funzionano su una singola riga come input e generano una singola riga come output, mentre le funzioni definite dall'utente Hive operano su più righe e restituiscono una singola riga aggregata come risultato. Inoltre, Hive supporta anche funzioni definite dall'utente (funzioni tabulari definite dall'utente) che agiscono su una riga come input e restituiscono più righe come output. Per usare le funzioni definite dall'utente Hive/UDAFs/UTFs, l'utente deve registrarli in Spark e quindi usarli nelle query Spark SQL.

Esempi

Hive ha due interfacce UDF: UDF e GenericUDF. Un esempio seguente usa GenericUDFAbs derivato da 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|
+--------------+

Un esempio seguente usa GenericUDTFExplode derivato da GenericUDTFTF.

-- 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 ha due interfacce UDAF: UDAF e GenericUDAFResolver. Un esempio seguente usa GenericUDAFSum derivato da 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|
+---+---------------+