Java編寫UDAF

轉載自：http://blog.csdn.net/genghaihua/article/details/43483807

Hive進行UDAF開發，相對要比UDF複雜一些，不過也不是很難。

請看一個例子

package org.hrj.hive.udf;

import org.apache.hadoop.hive.ql.exec.UDAFEvaluator;
import org.apache.hadoop.hive.serde2.io.DoubleWritable;

 

public class UDAFSum_Sample extends NumericUDAF {
    public static class Evaluator implements UDAFEvaluator {
        private boolean mEmpty;
        private double mSum;
        public Evaluator() {
            super();
            init();
        }

        public void init() {
            mSum = 0;
            mEmpty = true;
        }

        public boolean iterate(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }

        public DoubleWritable terminatePartial() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }

        public boolean merge(DoubleWritable o) {
            if (o != null) {
                mSum += o.get();
                mEmpty = false;
            }
            return true;
        }

        public DoubleWritable terminate() {
            // This is SQL standard - sum of zero items should be null.
            return mEmpty ? null : new DoubleWritable(mSum);
        }
    }
}

 

1.將java文件編譯成Sum_Sample.jar

2.進入hive

hive> add jar Sum_sample.jar;

hive> create temporary function sum_test as 'com.hrj.hive.udf.UDAFSum_Sample';

hive> select sum_test(t.num) from t;

hive> drop temporary function sum_test;

hive> quit;

 

關於UDAF開發注意點：

1.需要import org.apache.hadoop.hive.ql.exec.UDAF以及org.apache.hadoop.hive.ql.exec.UDAFEvaluator,這兩個包都是必須的

2.函數類需要繼承UDAF類，內部類Evaluator實現UDAFEvaluator接口

3.Evaluator需要實現 init、iterate、terminatePartial、merge、terminate這幾個函數

    1）init函數類似於構造函數，用於UDAF的初始化

    2）iterate接收傳入的參數，並進行內部的輪轉。其返回類型爲boolean

    3）terminatePartial無參數，其爲iterate函數輪轉結束後，返回亂轉數據，iterate和terminatePartial類似於hadoop的Combiner

    4）merge接收terminatePartial的返回結果，進行數據merge操作，其返回類型爲boolean

    5）terminate返回最終的聚集函數結果