与 Hive UDF、UDAF 和 UDTF 的集成

Spark SQL 支持 Hive UDF、UDAF 和 UDTF 的集成。 与 Spark UDF 和 UDAF 类似,Hive UDF 在一行上工作并作为输入,然后生成一行作为输出,而 Hive UDAF 在多行上工作并由此返回一个聚合行。 此外,Hive 还支持 UDTF(用户定义的表格函数),它们在一行上运作并作为输入,然后返回多行作为输出。 若要使用 Hive UDF/UDAF/UTF,用户应在 Spark 中注册它们,然后在 Spark SQL 查询中使用它们。

示例

Hive 具有两个 UDF 接口:UDFGenericUDF。 以下示例使用派生自的 GenericUDFAbs。

-- 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|
+--------------+

下面的示例使用从 GenericUDTF 派生的 GenericUDTFExplode

-- 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 具有两个 UDAF 接口:UDAFGenericUDAFResolver。 以下示例使用派生自的 GenericUDAFSum。

-- 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|
+---+---------------+