程序员的自我修养
Home » Apache Hive » Hive Custom UDF

Hive Custom UDF

1条评论5,314次浏览

需求

最近有这么一个需求要实现,由于话单中的区号不准确,需要根据区号-号段对应表来刷新话单中的区号信息。业务逻辑类似如下:

就是将号码与区号-号段对应表中的记录来对比,返回该号码所属于的号码段的区号。在oracle中测试了下,不加limit 1是好使的。但是放到Hive中却一直报错,不认这样的语法。尝试其它方法无果,最后决定用UDF实现。

定制UDF

最大的问题

如何在UDF中读入区号-号段对应表的数据?

Hive的UDF类没有类似setup()这样的在开头调用一次的方法,只是单纯写evaluate()方法来实现逻辑,显然不能在evaluate()方法中读入区号-号段对应表的数据,否则每一次调用该方法都会重新读一次数据,开销太大,方法也太挫。GenericUDF当中有initialize()方法,但太过复杂,没法应付这次紧急需求。

只好尝试定义静态变量后在构造函数中读取数据,实测好用。代码如下:

其中保存数据的文件info.txt通过hive命令上传,add file /path/to/file.txt

接下来的

剩下的工作就好处理了,对比号码和号码段,在号码段内则返回区号。由于list经过了排序,这里采用二分查找加快速度。代码如下:

使用自定义UDF

首先需要添加jar:add jar /path/to/jar.jar

接着添加需要用的文件:add jar /path/to/file.txt

可以通过list jars;list files;查看。

创建临时自定义function:create temporary function get_area_code as 'com.GetAreaCodeByNbr';

创建“永久”自定义function:CREATE FUNCTION get_area_code AS 'com.GetAreaCodeByNbr' USING
JAR 'hdfs://master:8020/user/hadoop/jars/udf.jar',
file 'hdfs://master:8020/user/hadoop/files/info.txt';

可以通过show functions;查看。

接着就可以使用自定义函数get_area_code()了。

(转载本站文章请注明作者和出处 程序员的自我修养 – SelfUp.cn ,请勿用于任何商业用途)
分类:Apache Hive
标签:
1条评论
  1. Christiana说道:

    Ã¥ÂáŠÃ¥Â¨Â Ã¤Â¸Â­Ã£ÂÂ«Ã£ÂÂŠÃ¥Â§Â‘さんを見送られたとは・・・大変でしたね。現在は大過なく過ごされていらっしゃいますか?å¾ÂÂ家業の元どうしても多忙かと思われますが、大切なお身体です。どうかご自愛されて下さいね!!私は8年前、34歳の時2番目の子を出産しました。実家があるにはありますが、実母がヒステリー性でちょっとしたことで切れすぐに暴言を吐く為、元から頼る気も無く病院からまっすぐ自宅に帰って来ました。夏休みを挟んでいましたが長男は年長園児、送り迎えも新生児の世話もすべて一人・・・退院してから横になってゆっくり休めたことなど、まったくありません。夫が帰宅すれば出来る限りの手伝いをしてくれましたが、それでも日中は家事育児に追われ通し。辛くなかったと云えば嘘になりますが、気疲れすることなく自分のペースで諸々進められたのでその分気は楽でした。『私が頑張らなくちゃ!!』と脳内が興奮状態にあったのは確かかも知れませんが^^;今思ってもかなりの無理をしたな・・・とは思います。当時は別段体調を崩すことも無かったので『何だ休まなくてもこんなものか、楽勝楽勝』と自分の身体を労わることなく猪突猛進してきましが、これからどんな弊害が出て来るのか正直ヒヤヒヤものです。今までこれと云って問題なく過ごしてこれても、この先どうなるかは分かりませんか¦£Â‚‰ãƒ»ãƒ»ãƒ»ã€‚京子さんもご自分の体力を過信せず、産後どんなサービスが利用可能か等、今のうちにリサーチしてみては如何でしょう?お母さんの頑張りも大事、でも一つしかない身体を労わることはもっと大事ですから。どうか無事御出産されますよう、心からお祈りしています!!

发表评论


profile
  • 文章总数:78篇
  • 评论总数:252条
  • 分类总数:31个
  • 标签总数:43个
  • 运行时间:946天

大家好,欢迎来到selfup.cn。

这不是一个只谈技术的博客,这里记录我成长的点点滴滴,coding、riding and everthing!

最新评论
  • pacificLee: :twisted:
  • 小码: 为什么没有后面的呢,只有前10个
  • Anonymous: :lol:
  • Anonymous: :razz: 楼主是属于会聊天的。 我想问,sqoop发了几个版本了,应该没这些问题了吧。
  • Anonymous: Config.kafkaConfig.kafkaGroupI d 这个是指自己配置的group id 还是从 import org.apache.kafka.common.config .Config 这个类...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 那个方法是在 spark-streaming_2.10 中 kafka...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 你确定 kafka 里面有这个类 ? 个人在kafka 最新 稳定版...
  • Anonymous: :roll:
  • Anonymous: 很不错,试问有java版的吗?
  • Anonymous: 赞
  • Anonymous: 哈哈 看楼主的吐槽乐死了 where子句是可以写的 同样找不到资料 一点点试出来的 select id from xxxx where ${CONDITIONS} and 1=1 and 2=2 limit 4
  • EVIL: 我在运行完C4.5的代码后,显示 defined object DecisionTreeTest 是什么意思?这是有错误吗?运行结果在哪里看?
  • sf: 楼主的问题,我都遇到。。。没办法项目已经定型了,最后都硬着头 皮一个一个的改了源码
  • zz: 我去,楼主你真及时,我们今天上了新的HTTP2 push之后也发现速度曲线很奇怪,开始有200k/min,跟 另一台老的推送协议速度差不多,但是过了一会,立马降到只有几k /min,百思不得其解,我们还用了一个海外代理,在...
  • qi365: :mad: 很可恶,百度助纣为虐~
  • qi365: :? :shock: haha~ very good~
  • 张是大: 《深入浅出Spark机器学习实战(用户行为分析)》 课程网盘下载:http://pan.baidu.com/s/ 1mixvUli 密码:1pfn
  • Anonymous: :???:
  • Anonymous: 我用着sqoop感觉还可以,select 几十个字段也没事,估计是版本低。。
  • Anonymous: :grin: