HiveのUDTF

Refer to：http://blog.csdn.net/wf1982/article/details/7623708 
 
1.紹介 
UDTF（User-Defined Table-Generating Functions）  入力1行の出力マルチラインの需要を解決するために使用されます。同時に、一列を複数の列に分割する問題（Hiveは、Listを含む複雑なデータフォーマットをサポートする）を解決してもよい。
 
2.作成に必要なUDTF
1）org.apache.hadoop.hive.ql.udf.genersic.GeneraicUDTFを継承します。2）initialize、process、closeの3つの方法を実現する3）UDTFはまずinitialize方法を呼び出し、この方法はUDTFの戻り値の情報（戻り値の数、タイプ）を返します。初期化が完了すると、プロcessメソッドを呼び出して、入ってきたパラメータを処理し、結果をforword()法で返すことができます。最後にclose()メソッドを呼び出して、整理する方法を整理します。
 
これはkey:valueを切り分けるためのものです。key：valueという文字列は、結果としてkey、valueの2つのフィールドを返します。

import java.util.ArrayList;

import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

public class ExplodeMap extends GenericUDTF{

    @Override
    public void close() throws HiveException {
        // TODO Auto-generated method stub    
    }

    @Override
    public StructObjectInspector initialize(ObjectInspector[] args)
            throws UDFArgumentException {
        if (args.length != 1) {
            throw new UDFArgumentLengthException("ExplodeMap takes only one argument");
        }
        if (args[0].getCategory() != ObjectInspector.Category.PRIMITIVE) {
            throw new UDFArgumentException("ExplodeMap takes string as a parameter");
        }

        ArrayList<String> fieldNames = new ArrayList<String>();
        ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
        fieldNames.add("col1");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        fieldNames.add("col2");
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);

        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames,fieldOIs);
    }

    @Override
    public void process(Object[] args) throws HiveException {
        String input = args[0].toString();
        String[] test = input.split(";");
        for(int i=0; i<test.length; i++) {
            try {
                String[] result = test[i].split(":");
                forward(result);
            } catch (Exception e) {
                continue;
            }
        }
    }
}

 
 3.使い方
UDTFには二つの使い方があります。一つは直接selectの後ろに置いて、一つはlateral viewと一緒に使います。
1）直接selectで使用する：select explode_map(properties)as(col 1,col 2)from src;
 他のフィールドを追加して使用してはいけません。select a，explode_map(properties)as(col 1,col 2)from src 入れ子できません。コールしてください。select explode_map from src group by/cluster by/distribute by/sort byと一緒に使ってはいけません。select explode_map(properties)as(col 1,col 2)from src group by col 1,col 2
 
2）lateral viewと一緒に使う：  select src.id，mystable.com 1，mystable.com 2 from src.lateral view explode_map(properties)mytable as col 1,col 2  この方法は日常的に使うのに便利です。実行プロセスは単独で2回の抽出を実行した後、unionが1つのテーブルに到達するのに相当します。
 
4.参照文書    http://wiki.apache.org/hadoop/Hive/LanguageManual/UDF
    http://wiki.apache.org/hadoop/Hive/DeveloperGuide/UDTF
    http://www.slideshare.net/pauly1/userdefined-table-generating-functions
 
Apppendix:
一つは文字列を複数のフィールドに分割するためのものです。

import java.util.ArrayList;

import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.WritableConstantIntObjectInspector;

/**
 * GenericUDTFRD: this
 * 
 */
@Description(name = "tr_rd", value = "_FUNC_(x)")
public class GenericUDTFRD extends GenericUDTF {

	private static Log LOG = LogFactory.getLog(GenericUDTFRD.class.getName());

	@Override
	public void close() throws HiveException {
	}

	@Override
	public StructObjectInspector initialize(ObjectInspector[] args)
			throws UDFArgumentException {
		LOG.debug("========================initialize");
		LOG.debug("args.length" + args.length);
		if (args.length != 2) {
			throw new UDFArgumentLengthException(
					"ExplodeMap takes only two argument");
		}

		WritableConstantIntObjectInspector x = (WritableConstantIntObjectInspector) args[1];
		int numCols = x.getWritableConstantValue().get();
		LOG.debug("numCols:" + numCols);
		// construct output object inspector
		ArrayList<String> fieldNames = new ArrayList<String>(numCols);
		ArrayList<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>(
				numCols);
		for (int i = 0; i < numCols; ++i) {
			fieldNames.add("c" + i);
			fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
		}
		return ObjectInspectorFactory.getStandardStructObjectInspector(
				fieldNames, fieldOIs);
	}

	@Override
	public void process(Object[] o) throws HiveException {
		LOG.debug("========================process");
		String input = o[0].toString();
		//     
		String[] test = input.split("\t");
		LOG.debug("input:" + input);
		LOG.debug("test:" + test);
		for(int i=0;i<test.length;i++){
			if("".equals(test[i])||null==test[i]){
				test[i]="\\N";
			}
		}
		forward(test);
	}

	@Override
	public String toString() {
		return "tr_rd";
	}
}

 
使い方は：

--     ，   3 。
select tr_rd(tt.col1,3) as (c1,c2,c3)
from table tt