Поделиться через

Интеграция с функциями UDF, UDAF и UDTF Hive

  • Статья

Область применения: флажок Databricks Runtime

Spark SQL поддерживает интеграцию с пользовательскими функциями UDF, UDAF и UDTF Hive. Как и обычные UDF и UDAF в Spark, функции UDF Hive принимают на вход одну строку данных и создают одну строку выходных данных, тогда как UDAF Hive принимают несколько строк и возвращают в результате одну строку с агрегированными данными. Кроме того, Hive также поддерживает UDTF (пользовательские табличные функции), которые принимают на вход одну строку входных данных и могут возвращать несколько строк выходных данных. Чтобы использовать UDF, UDAF и UDTF Hive, пользователь должен зарегистрировать их в Spark. После этого их можно применять в запросах SQL Spark.

Примеры

Hive имеет два интерфейса для UDF: UDF и GenericUDF. В приведенном ниже примере используется GenericUDFAbs, производный от 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|
+--------------+

В приведенном ниже примере используется GenericUDTFExplode, производный от 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 имеет два интерфейса для UDAF: UDAF и GenericUDAFResolver. В приведенном ниже примере используется GenericUDAFSum, производный от 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|
+---+---------------+