Question

我无法找到有关如何使用Hive UDF返回Struct的文档。

我的主要问题是：

我从Java开始使用哪些类型的对象？

如何转换它们以便将它们解释为Hive中的Struct？

Answer 1

这是一种非常简单的UDF示例。它接收User-Agent字符串，使用外部lib解析它并返回一个包含4个文本字段的结构：

STRUCT＆lt; type：string，os：string，family：string，device：string＆gt;

您需要扩展 GenericUDF 类并覆盖两个最重要的方法：初始化和评估。

initialize（）描述结构本身并定义内部的数据类型。

evaluate（）用实际值填充结构。

你不需要任何特殊的类来返回，struct＆lt;＆gt;在Hive中只是Java中的一个对象数组。

import java.util.ArrayList;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
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.io.Text;

import eu.bitwalker.useragentutils.UserAgent;

public class UAStructUDF extends GenericUDF {

    private Object[] result;

    @Override
    public String getDisplayString(String[] arg0) {
        return "My display string";
    }

    @Override
    public ObjectInspector initialize(ObjectInspector[] arg0) throws UDFArgumentException {
        // Define the field names for the struct<> and their types
        ArrayList<String> structFieldNames = new ArrayList<String>();
        ArrayList<ObjectInspector> structFieldObjectInspectors = new ArrayList<ObjectInspector>();

        // fill struct field names
        // type
        structFieldNames.add("type");
        structFieldObjectInspectors.add(PrimitiveObjectInspectorFactory.writableStringObjectInspector);
        //family
        structFieldNames.add("family");
        structFieldObjectInspectors.add(PrimitiveObjectInspectorFactory.writableStringObjectInspector);
        // OS name
        structFieldNames.add("os");
        structFieldObjectInspectors.add(PrimitiveObjectInspectorFactory.writableStringObjectInspector);
        // device
        structFieldNames.add("device");
        structFieldObjectInspectors.add(PrimitiveObjectInspectorFactory.writableStringObjectInspector);

        StructObjectInspector si = ObjectInspectorFactory.getStandardStructObjectInspector(structFieldNames,
                structFieldObjectInspectors);
        return si;
    }

    @Override
    public Object evaluate(DeferredObject[] args) throws HiveException {
        if (args == null || args.length < 1) {
            throw new HiveException("args is empty");
        }
        if (args[0].get() == null) {
            throw new HiveException("args contains null instead of object");
        }

        Object argObj = args[0].get();

        // get argument
        String argument = null;     
        if (argObj instanceof Text){
            argument = ((Text) argObj).toString();
        } else if (argObj instanceof String){
            argument = (String) argObj;
        } else {
            throw new HiveException("Argument is neither a Text nor String, it is a " + argObj.getClass().getCanonicalName());
        }
        // parse UA string and return struct, which is just an array of objects: Object[] 
        return parseUAString(argument);
    }

    private Object parseUAString(String argument) {
        result = new Object[4];
        UserAgent ua = new UserAgent(argument);
        result[0] = new Text(ua.getBrowser().getBrowserType().getName());
        result[1] = new Text(ua.getBrowser().getGroup().getName());
        result[2] = new Text(ua.getOperatingSystem().getName());
        result[3] = new Text(ua.getOperatingSystem().getDeviceType().getName());
        return result;
    }
}

Answer 2

HIVE中有一个SerDe（序列化器和反序列化器）的概念，可以与您正在播放的数据格式一起使用。它序列化对象（复杂），然后根据需要对其进行反序列化。例如，如果您有一个包含对象和值的JSON文件，那么您需要一种方法将该内容存储在配置单元中。为此，你应该使用一个JsonSerde，它实际上是一个jar文件，包含用java编写的解析器代码，用于播放Json数据。

现在你有一个jar（SerDe），另一个要求是架构存储这些数据。例如：对于XML文件，您需要XSD，类似地，对于JSON，您可以定义对象，数组和结构关系。你可以查看这个链接： http://thornydev.blogspot.in/2013/07/querying-json-records-via-hive.html 如果这有助于解决您的目的，请告诉我:)）

如何从Hive UDF返回Struct？

2 个答案: