0011-如何在Hive & Impala中使用UDF

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

1.文档编写目的

本文档讲述如何开发Hive自定义函数（UDF），以及如何在Impala中使用Hive的自定义函数，通过本文档，您将学习到以下知识：

1.如何使用Java开发Hive的自定义函数

2.如何在Hive中创建自定义函数及使用

3.如何在Impala中使用Hive的自定义函数

这篇文档将重点介绍UDF在Hive和Impala的使用，并基于以下假设：

1.集群环境正常运行

2.集群安装Hive和Impala服务

以下是本次测试环境，但不是本操作手册的硬限制：

1.操作系统：Redhat6.5

2.CDH和CM版本为5.11.1

3.采用sudo权限的ec2-user用户进行操作

2.UDF函数开发

使用Intellij工具开发Hive的UDF函数，进行编译；

1.使用Intellij工具通过Maven创建一个Java工程

2.pom.xml文件中增加Hive包的依赖

  org.apache.hive  hive-exec  1.1.0

3.Java示例代码如下

package com.peach.date;import org.apache.hadoop.hive.ql.exec.UDF;import java.text.ParseException;import java.text.SimpleDateFormat;/** * SQL的UDF日期相关工具类 * Created by peach on 2017/8/24. */public class DateUtils extends UDF { /**     * 将日期字符串格式化为标准的日期格式     * 如:     * 2017-8-9 to 2017-08-09     * 2017-08-09 9:23:3 to 2017-08-0909:23:03     * @param sdate * @param pattern * @return */ public static String evaluate(Stringsdate, String pattern) {        String formatDate = sdate; SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");        try {            formatDate =sdf.format(sdf.parse(sdate)); } catch (ParseException e) {            e.printStackTrace(); } return formatDate; }}

此处使用一个简单的日期转换自定义函数来做事例，注意此处需要集成UDF类，重写evaluate方法，来实现自己定义函数。

4.编译jar包

前提条件是已配置Maven的环境变量，命令行进入工程目录，执行如下命令：

 mvn clean  package 

3.Hive使用自定义函数（UDF）

将章节2中编译好的sql-udf-utils-1.0-SNAPSHOT.jar上传到集群服务器；

3.1创建临时UDF

1.进入Hive的shell命令行，执行如下命令，创建临时函数

add jar  /home/ec2-user/sql-udf-utils-1.0-SNAPSHOT.jar;create  temporary function parse\_date as 'com.peach.date.DateUtils'; 

2.在命令行测试该UDF函数

select  parse\_date(dates, 'yyyy-MM-dd HH:mm:ss') from date\_test1; 

3.2创建永久UDF

1.在HDFS中创建相应目录，将sql-udf-utils-1.0-SNAPSHOT.jar包上传至该目录

ec2-user@ip-172-31-8-141  ~$ hadoop dfs -mkdir /udfjarec2-user@ip-172-31-8-141  ~$ hadoop dfs -put sql-udf-utils-1.0-SNAPSHOT.jar /udfjar 

注意：目录udfjar和sql-udf-utils-1.0-SNAPSHOT.jar的权限，所属用户为hive

2.进入Hive的shell命令行，执行如下命令创建永久的UDF

create  function default.parse\_date as 'com.peach.date.DateUtils' using jar  'hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar'; 

注意：在创建的时候如果带有数据库名，则该UDF函数只对该库生效，其它库无法使用该UDF函数。

3.在命令行测试该UDF

 select  parse\_date(dates, 'yyyy-MM-dd HH:mm:ss') from date\_test1; 

4.验证永久UDF函数是否生效

重新打开Hive CLI能正常使用创建的UDF函数。

4.Impala使用Hive的UDF

1.在Impala shell命令行执行元数据同步命令

ip-172-31-10-156.ap-southeast-1.compute.internal:21000  > invalidate metadata; 

2.使用UDF函数

ip-172-31-10-156.ap-southeast-1.compute.internal:21000  > select parse\_date(dates,'yyyy-MM-dd HH:mm:ss') from date\_test1; 

5.常见问题

1.通过Impala CLI命令行，使用UDF自定义函数时异常

Connected to ip-172-31-10-156.ap-southeast-1.compute.internal:21000Server version: impalad version 2.7.0-cdh6.10.2 RELEASE (build 38c989c0330ea952133111e41965ff9af96412d3)[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates) from date_test1;Query: select parse_date(dates) from date_test1Query submitted at: 2017-08-24 12:51:44 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)ERROR: AnalysisException: default.parse_date() unknown

元数据未同步导致，执行如下命令进行元数据同步：

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > invalidate metadata;

2.在Impala CLI命令行执行，异常如下

[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1;Query: select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1Query submitted at: 2017-08-24 13:02:14 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)ERROR: Failed to copy hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar to /var/lib/impala/udfs/sql-udf-utils-1.0-SNAPSHOT.2386.2.jar:Error(2): No such file or directory

在Impala Daemon服务器上，目录不存在导致

解决方法：

在所有Impala Daemon服务器创建/var/lib/impala/udfs目录

[ec2-user@ip-172-31-10-156 lib]$ sudo mkdir -p impala/udf[ec2-user@ip-172-31-10-156 lib]$ sudo chown -R impala:impala impala/

注意：目录所属用户及组

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。