收藏私塾在线
 

欢迎您来到私塾在线网!   

请登录! 

免费注册 


hadoop的笔记
状态: 离线
人气:3258358
访问用户量:3070
笔记经验:
总积分:1409
级别:普通会员
搜索本笔记
ta的交流分类
ta的交流主题贴(131)
ta的所有交流贴(138)
ta的全部笔记
全部笔记(249)
未分类笔记(0)
hadoop(109)
luoli的Hado……(19)
精通hadoop(10)
Hadoop原理与代……(6)
HBase(15)
深入浅出学Hive(11)
Hadoop实战-中……(11)
Hadoop实战-初……(8)
hadoop & h……(9)
Hive(18)
zookeeper(8)
Hadoop Str……(14)
云计算综合实战项目(11)
存档
2013-04(11)
2012-10(11)
2012-09(10)
2012-08(191)
2012-07(26)

2012-12-24 19:41:19
Hive 高级编程——深入浅出学Hive
浏览(76942)|评论(1)   交流分类:Java|笔记分类: 深入浅出学Hive

产生背景
•为了满足客户个性化的需求,Hive被设计成一个很开放的系统,很多内容都支持用户定制,包括:
•文件格式:Text File,Sequence File
•内存中的数据格式: Java Integer/String, Hadoop  IntWritable/Text
•用户提供的 map/reduce 脚本:不管什么语言,利用 stdin/stdout 传输数据
•用户自定义函数
自定义函数
•虽然Hive提供了很多函数,但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发
•自定义函数包括三种UDF、UADF、UDTF
•UDF(User-Defined-Function)
•UDAF(User- Defined Aggregation Funcation)
•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。 
HIVE中使用定义的函数的三种方式
•在HIVE会话中add 自定义函数的jar文件,然后创建function,继而使用函数
•在进入HIVE会话之前先自动执行创建function,不用用户手工创建
•把自定义的函数写到系统函数中,使之成为HIVE的一个默认函数,这样就不需要create temporary function
 
第二部分:UDF
UDF用法
•UDF(User-Defined-Function)
•UDF函数可以直接应用于select语句,对查询结构做格式化处理后,再输出内容
•编写UDF函数的时候需要注意一下几点
•自定义UDF需要继承org.apache.hadoop.hive.ql.UDF
•需要实现evaluate函数
•evaluate函数支持重载
•UDF只能实现一进一出的操作,如果需要实现多进一出,则需要实现UDAF
UDF用法代码示例
 
import org.apache.Hadoop.hive.ql.exec.UDF   
   public  class Helloword  extends UDF{   
      public String evaluate(){   
           return "hello world!";   
     }   
  
      public String evaluate(String str){   
           return "hello world: " + str;   
     }   
}
开发步骤
•开发代码
•把程序打包放到目标机器上去
•进入hive客户端
•添加jar包:hive>add jar /run/jar/udf_test.jar;
•创建临时函数:hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘
•查询HQL语句:
•SELECT my_add (8, 9) FROM scores;
•SELECT my_add (scores.math, scores.art) FROM scores;
•销毁临时函数:hive> DROP TEMPORARY FUNCTION my_add ;
•细节
•在使用UDF的时候,会自动进行类型转换,例如:
SELECT my_add (8,9.1) FROM scores;
•结果是17.1,UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的
第三部分:UDAF
UDAF
•Hive查询数据时,有些聚类函数在HQL没有自带,需要用户自定义实现
•用户自定义聚合函数: Sum, Average…… n – 1
•UDAF(User- Defined Aggregation Funcation) 
用法
•一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator
开发步骤
•函数类需要继承UDAF类,内部类Evaluator实UDAFEvaluator接口
•Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数
a)init函数实现接口UDAFEvaluator的init函数。
b)iterate接收传入的参数,并进行内部的轮转。其返回类型为boolean。
c)terminatePartial无参数,其为iterate函数轮转结束后,返回轮转数据,terminatePartial类似于hadoop的Combiner。
d)merge接收terminatePartial的返回结果,进行数据merge操作,其返回类型为boolean。
e)terminate返回最终的聚集函数结果。
执行步骤
•执行求平均数函数的步骤
a)将java文件编译成Avg_test.jar。
b)进入hive客户端添加jar包:
hive>add jar /run/jar/Avg_test.jar。
c)创建临时函数:
hive>create temporary function avg_test 'hive.udaf.Avg';
d)查询语句:
hive>select avg_test(scores.math) from scores;
e)销毁临时函数:
hive>drop temporary function avg_test;
 
UDAF代码示例
public class MyAvg extends UDAF {
 
public static class AvgEvaluator implements UDAFEvaluator {
}
public void init() {}
public boolean iterate(Double o) {}
public AvgState terminatePartial() {}
public boolean terminatePartial(Double o) { }
public Double terminate() {}
 
}
第四部分:UDTF
UDTF
•UDTF(User-Defined Table-Generating Functions)  用来解决 输入一行输出多行(On-to-many maping) 的需求。
开发步骤
•UDTF步骤:
•必须继承org.apache.Hadoop.hive.ql.udf.generic.GenericUDTF
•实现initialize, process, close三个方法
•UDTF首先会
•调用initialize方法,此方法返回UDTF的返回行的信息(返回个数,类型)
初始化完成后,会调用process方法,对传入的参数进行处理,可以通过forword()方法把结果返回
•最后close()方法调用,对需要清理的方法进行清理
使用方法
•UDTF有两种使用方法,一种直接放到select后面,一种和lateral view一起使用
•直接select中使用:select explode_map(properties) as (col1,col2) from src;
•不可以添加其他字段使用:select a, explode_map(properties) as (col1,col2) from src
•不可以嵌套调用:select explode_map(explode_map(properties)) from src
•不可以和group by/cluster by/distribute by/sort by一起使用:select explode_map(properties) as (col1,col2) from src group by col1, col2
•和lateral view一起使用:select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2;
此方法更为方便日常使用。执行过程相当于单独执行了两次抽取,然后union到一个表里。
lateral view
• Lateral View语法
•lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)*  
 
•Lateral View用于UDTF(user-defined table generating functions)中将行转成列,例如explode().
•目前Lateral View不支持有上而下的优化。如果使用Where子句,查询可能将不被编译。解决方法见:
     此时,在查询之前执行set hive.optimize.ppd=false;
•  例子
•pageAds。它有两个列
string pageid
Array<int> adid_list
" front_page"
[1, 2, 3]
"contact_page "
[ 3, 4, 5]
•SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;
•将输出如下结果
string pageid int adid
"front_page" 1
…….
“contact_page" 3
 
代码示例
public class MyUDTF extends GenericUDTF{
public StructObjectInspector initialize(ObjectInspector[] args) {}
public void process(Object[] args) throws HiveException { }
}
实现:切分 key:value;key:value;” 这种字符串, 返回结果为 key, value 两个字段
精品视频课程推荐

透彻理解JavaBean视频教程
深入浅出的讲解JavaBen的写法、JavaBean的用法、JavaBean的实现机制、JavaBean对应翻译的代码理解。

Java数据结构和算法精讲版
本课程专注于数据结构和算法的内容,使用Java来进行代码示例,不空洞的讲解概念和理论,重点放在代码的实现和示例上。 从零开始、全面系统、成体系的讲解数据结构和基本算法,循序渐进的讲述构建软件系统所常见的数据结构和算法。

云计算综合实战项目视频教程(更新版)
内容概述:通过一个真实完整的项目——某大型互联网企业用户上网行为日志分析系统,系统学习Hadoop、Hive,HBase、Zookeeper等云计算开发技术在真实商业系统中到底如何使用。具有极高的学习和参考价值。 该系统是一个每天5亿条数据,上百个节点的实际商业项目,该系统将海量日志数据进行分布式存储,并通过分布式算法和网络爬虫技术形成标签化的用户模型,最终实现人与内容、人与行为、人与商品的智能配对。 技术要点:Hadoop、Hive、HBase、Zookeeper、爬虫技术等

深入浅出学Zookeeper
内容概述:本课程深入浅出的讲解Hadoop 体系下的分布式协调组件-Zookeeper,向大家介绍了Zookeeper的原理与使用,深入浅出,结合生动实例,具有很高的实战意味 技术要点:Zookeepr 原理,Zookeeper 架构,Zookeeper 简单使用,Zookeeper Watch等

深入浅出学Spring Web MVC视频教程
系统、完整的学习Spring Web MVC开发的知识。包括:Spring Web MVC入门;理解DispatcherServlet;注解式控制器开发详解;数据类型转换;数据格式化;数据验证; 拦截器;对Ajax的支持;文件上传下载;表单标签等内容;最后以一个综合的CRUD带翻页的应用示例来综合所学的知识

浏览(76942)|评论(1)   交流分类:Java|笔记分类: 深入浅出学Hive

评论(1)
1楼 笑傲帝王将相  2012-12-24 引用
学习一下...
请登录后评论 登录

关于我们 | 联系我们 | 用户协议 | 私塾在线服务协议 | 版权声明 | 隐私保护

版权所有 Copyright(C)2009-2012 私塾在线学习网