Integrering med Hive UDF:er, UDF:er och UDF:er

Gäller för: Databricks Runtime

Spark SQL stöder integrering av Hive UDF:er, UDF:er och UDF:er. På samma sätt som spark-UDF:er och UDF:er arbetar Hive-UDF:er på en enda rad som indata och genererar en enskild rad som utdata, medan Hive-UDAF:er fungerar på flera rader och returnerar en enda aggregerad rad som ett resultat. Dessutom stöder Hive även UDF:er (användardefinierade tabellfunktioner) som fungerar på en rad som indata och returnerar flera rader som utdata. Om du vill använda Hive UDF:er/UDF:er/UTF:er bör användaren registrera dem i Spark och sedan använda dem i Spark SQL-frågor.

Exempel

Hive har två UDF-gränssnitt: UDF och GenericUDF. Ett exempel nedan använder GenericUDFAbs som härletts från 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|
+--------------+

I ett exempel nedan används GenericUDTFExplode som härletts från 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|
+---+

Hive har två UDAF-gränssnitt: UDAF och GenericUDAFResolver. Ett exempel nedan använder GenericUDAFSum som härletts från 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|
+---+---------------+