如何使用Hive中自定义UDAF函数实现统计区域产品用户访问排名

这篇文章主要介绍如何使用Hive中自定义UDAF函数实现统计区域产品用户访问排名，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

UDAF实现方法: 
1，用户的UDAF必须继承了org.apache.hadoop.hive.ql.exec.UDAF；
2，用户的UDAF必须包含至少一个实现了org.apache.hadoop.hive.ql.exec的静态类，诸如实现了 UDAFEvaluator 
3，一个计算函数必须实现的5个方法的具体含义如下：
init()：主要是负责初始化计算函数并且重设其内部状态，一般就是重设其内部字段。一般在静态类中定义一个内部字段来存放最终的结果。
iterate()：每一次对一个新值进行聚集计算时候都会调用该方法，计算函数会根据聚集计算结果更新内部状态。当输 入值合法或者正确计算了，则       就返回true。
terminatePartial()：Hive需要部分聚集结果的时候会调用该方法，必须要返回一个封装了聚集计算当前状态的对象。
merge()：Hive进行合并一个部分聚集和另一个部分聚集的时候会调用该方法。
terminate()：Hive最终聚集结果的时候就会调用该方法。计算函数需要把状态作为一个值返回给用户。

mapreduce阶段调用函数 
MAP 
init() 
iterate() 
terminatePartial()

Combiner 
merge() 
terminatePartial()

REDUCE 
init() 
merge() 
terminate()

一、自定义UDAF函数
点击(此处)折叠或打开

此处)折叠或打开

1. DROP TEMPORARY FUNCTION user_click;
   

2. 
   

3. add jar /data/hive_udf-1.0.jar;
   

4. 
   

5. CREATE TEMPORARY FUNCTION user_click AS 'hive.org.ruozedata.UserClickUDAF';

三、调用自定义UDAF函数处理数据

点击(此处)折叠或打开

1. insert overwrite directory '/works/tmp1' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
   

2. select regexp_replace(substring(rs, instr(rs, '=')+1), '}', '') from (
   

3.   select explode(split(user_click(pcid, pcname, type),',')) as rs from (
   

4.     select * from (
   

5.       select '-2' as type, product_id as pcid, product_name as pcname from product_info
   

6.       union all
   

7.       select '-1' as type, city_id as pcid,area as pcname from city_info
   

8.       union all
   

9.       select count(1) as type,
   

10.              product_id as pcid,
    

11.              city_id as pcname
    

12.         from user_click
    

13.        where action_time='2016-05-05'
    

14.       group by product_id,city_id
    

15.     ) a
    

16.   order by type) b
    

17. ) c

四、创建Hive临时外部表

点击(此处)折叠或打开

1. create external table tmp1(
   

2. city_name string,
   

3. product_name string,
   

4. rn string
   

5. )
   

6. ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
   

7. location '/works/tmp1';

五、-统计最终区域前3产品排名

点击(此处)折叠或打开

1. select * from (
   

2. select city_name,
   

3.        product_name,
   

4.        floor(sum(rn)) visit_num,
   

5.        row_number()over(partition by city_name order by sum(rn) desc) rn,
   

6.        '2016-05-05' action_time
   

7.   from tmp1
   

8.  group by city_name,product_name
   

9. ) a where rn <=3

六、统计结果

以上是“如何使用Hive中自定义UDAF函数实现统计区域产品用户访问排名”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！