Integração com as UDFs, as UDAFs e as UDTFs do Hive

  • Artigo

Aplica-se a: caixa de seleção marcada Databricks Runtime

O Spark SQL dá suporte à integração de UDFs, UDAFs e UDTFs Hive. Semelhante às UDFs e UDAFs Spark, as UDFs Hive funcionam em uma única linha como entrada e geram uma única linha como saída, enquanto as UDAFs Hive operam em várias linhas e retornam uma única linha agregada como resultado. Além disso, o Hive também dá suporte a UDTFs (funções tabulares definidas pelo usuário) que atuam em uma linha como entrada e retornam várias linhas como saída. Para usar UDFs/UDAFs/UTFs Hive, o usuário deve registrá-las no Spark e depois usá-las em consultas Spark SQL.

Exemplos

O Hive tem duas interfaces UDF: UDF e GenericUDF. Um exemplo abaixo usa GenericUDFAbs derivado de GenericUDF.

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

Um exemplo abaixo usa GenericUDTFExplode derivado de GenericUDTF.

-- 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|
+---+

O Hive tem duas interfaces UDAF: UDAF e GenericUDAFResolver. Um exemplo abaixo usa GenericUDAFSum derivado de GenericUDAFResolver.

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