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

Hive Custom UDF

1条评论5,655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:79篇
  • 评论总数:280条
  • 分类总数:31个
  • 标签总数:44个
  • 运行时间:1130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
  • 张瑞昌: 有很多,比较常见的是Jacob迭代法,一次迭代O(n^3), 迭代次数不清楚。 如果是手动算的话按照定义求就可以了
  • Anonymous: :mrgreen:
  • lc277: 你好 我想问下一般删除节点要多久,要删除的datanode大概用了 1t,解除授权已经30多小时还没完成,请问是出现什么问题了吗 麻烦告诉下谢谢 qq1844554123
  • Anonymous: 你好 我想问下一般删除节点要多久,要删除的datanode大概用了 1t,解除授权已经30多小时还没完成,请问是出现什么问题了吗
  • Anonymous: :smile: :grin: :eek:
  • 李雪璇: 想要完整代码,可以帮忙发给我吗
  • Anonymous: 请问一下,那个 user的推荐结果楼主查看了么? 为什么输入数据 最高是五分,输出结果都是7分8分啥的?怎么设置输出的分数的最 大值?
  • Anonymous: 那个 user的推荐结果楼主查看了么? 为什么输入数据 最高是五分,输出结果都是7分8分啥的?
  • Anonymous: stopGracefullyOnShutdown在yarn- client模式下我测试的无效,你的呢
  • Anonymous: 另外,import的lib包能否发个列表.
  • Anonymous: 部分程序已经无法使用, 另外 你的import代码 也应该放上来哈
  • wzq: 赞
  • 增达网: 受教了!呵呵!
  • Anonymous: :!: :smile: :oops: :grin: :eek: :shock:
  • 27: :razz: dsa会报错,rsa不会
  • Anonymous: 看错了 忽略我
  • Anonymous: UserSideCF这个类在哪里
  • 晴子: 在主节点初始化CM5数据库的时候报错误:Verifying that we can write to /opt/cm-5.9.0/etc/cloudera-scm -server log4j:ERROR Could not...
  • zhangnew: 就4题 :?:
  • linxh: “ 但要是遇到预先并不知道数组的长度而又需要获取正确的(或者称之 为原始的)split长度时,该如何处理呢。。? ” 印象中可以split函数参数传-1?