Hive 實現 udf row_number 以及遇到的問題
為hive的每條資料添加row_number, 首先添加行號,必須考慮到資料必須放在一個reduce中去執行。先上代碼
package xx.xxxxx.hive.udf;
import org.apache.Hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.hive.ql.udf.UDFType;
@UDFType(deterministic = false)
public class RowNumber extends UDF {
private static int MAX_VALUE = 50;
private static String comparedColumn[] = new String[MAX_VALUE];
private static int rowNum = 1;
public int evaluate(Object ...args) {
String columnValue[] = new String[args.length];
for (int i = 0; i < args.length; i++){
columnValue[i] = args[i].toString();
}
if (rowNum == 1) {
for (int i = 0; i < columnValue.length; i++)
comparedColumn[i] = columnValue[i];
}
for (int i = 0; i < columnValue.length; i++) {
if (!comparedColumn[i].equals(columnValue[i])) {
for (int j = 0; j < columnValue.length; j++) {
comparedColumn[j] = columnValue[j];
}
rowNum = 1;
return rowNum++;
}
}
return rowNum++;
}
}
打包jar包,並建立函數。
add jar /home/hdbatch/jars/iclickhiveudf.jar;
create temporary function row_number as 'cn.iclick.hive.udf.RowNumber';
但是用法要注意,假設我要對一個表的資料進行標註行號,兩條sql語句,
create table test_tony as select row_number(1), tid from(select distinct tid from cookie where i_date=20131105)t order by tid;
上邊這條語句會標註行號錯誤,會產生11個reduce,所以會打11份相同的row number,所以就會有錯誤,為什麼會有不同的解釋呢??? 看explain sql語句, 原因是編寫non-deterministic的UDF時遇到的謂詞下推錯誤。
具體詳見:
更多詳情見請繼續閱讀下一頁的精彩內容:
Hive 的詳細介紹:請點這裡
Hive 的:請點這裡
基於Hadoop叢集的Hive安裝
Hive內表和外表的區別
Hadoop + Hive + Map +reduce 叢集安裝部署
Hive本地獨立模式安裝
Hive學習之WordCount單詞統計