hive中lateral view怎么用

这篇文章主要介绍了hive中lateral view怎么用，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

概况

Lateral view与UDTF函数一起使用，UDTF对每个输入行产生0或者多个输出行。Lateral view首先在基表的每个输入行应用UDTF，然后连接结果输出行与输入行组成拥有指定表别名的虚拟表。

测试SQL

explain SELECT id, sq,myCol from window_test_table LATERAL VIEW explode(split(sq,',')) myTab as myCol;

这个sql 经历了两条线：

ts(TableScan)-->lvf(Lateral View Forward)-->sel(Select)-->lvj(Lateral View Join)-->sel(Select)
ts(TableScan)-->lvf(Lateral View Forward)-->sel(Select)-->udtf-->lvj(Lateral View Join)-->sel(Select)

1、TableScanOperator

不多说，常规读表操作

2、LateralViewForwardOperator

@Override
public void process(Object row, int tag) throws HiveException {
  forward(row, inputObjInspectors[tag]);
}

几乎什么都没做，数据怎么来的，还怎么送出去。

2-1、左侧SelectOperator

筛选出你需要的非explode的列：id,sq

2-2-1、右侧SelectOperator

筛选出explode的列：split(sq, ',')

2-2-2、右侧UDTFOperator

@Override
public void process(Object row, int tag) throws HiveException {
  StructObjectInspector soi = (StructObjectInspector) inputObjInspectors[tag];
  List<? extends StructField> fields = soi.getAllStructFieldRefs();
 //从row里解出字段
 for (int i = 0; i < fields.size(); i++) {
    objToSendToUDTF[i] = soi.getStructFieldData(row, fields.get(i));
  }
//真正处理数据的是 genericUDTF的某个实现类，比如，explode，那就是GenericUDTFExplode.java 的process
  genericUDTF.process(objToSendToUDTF);
 //这里判断一下有没有outer关键字。这里真的真的真的是，可能用了很久了，还不知道udtf还有个outer 关键字
 if (conf.isOuterLV() && collector.getCounter() == 0) {
 //思考一下这一步是干嘛？
    collector.collect(outerObj);
  }
  collector.reset();
}

GenericUDTFExplode.java就相当容易理解了，毕竟我们自己写udtf时，也是这么做的：

/**
 * GenericUDTFExplode.
 *
 */
@Description(name = "explode",
    value = "_FUNC_(a) - separates the elements of array a into multiple rows,"
      + " or the elements of a map into multiple rows and columns ")
public class GenericUDTFExplode extends GenericUDTF {
....
@Override
//主要处理数据的方法
public void process(Object[] o) throws HiveException {
 switch (inputOI.getCategory()) {
 case LIST:  //处理list
    ListObjectInspector listOI = (ListObjectInspector)inputOI;
 List<?> list = listOI.getList(o[0]);
 if (list == null) {
 return;  //当数组里没有值时，不发送数据
    }
 for (Object r : list) {
      forwardListObj[0] = r;
      forward(forwardListObj);
    }
 break;
 case MAP: //处理map
    MapObjectInspector mapOI = (MapObjectInspector)inputOI;
    Map<?,?> map = mapOI.getMap(o[0]);
 if (map == null) {
 return;
    }
 for (Entry<?,?> r : map.entrySet()) {
      forwardMapObj[0] = r.getKey();
      forwardMapObj[1] = r.getValue();
      forward(forwardMapObj);
    }
 break;
 default:
 throw new TaskExecutionException("explode() can only operate on an array or a map");
  }
}
....
}

为什么要有outer关键字？

当UDTF不产生任何行时，比如explode()函数的输入列为空，LATERALVIEW就不会生成任何输出行。在这种情况下原有行永远不会出现在结果中。OUTRE可被用于阻止这种情况，输出行中来自UDTF的列将被设置为NULL。

例如：

实际上从代码里，也能够看到：

UDTF会借助UDTFCollector为其展开的结果计数，并forward:

@Override
public void collect(Object input) throws HiveException {
  op.forwardUDTFOutput(input);
  counter++;
}

如果没有展开结果，counter就为0。 这样，进入outer之后，会把之前建好的没有内容的outerObj给forward到下个 算子LateralViewJoinOperator

3、LateralViewJoinOperator

@Override
public void process(Object row, int tag) throws HiveException {
  StructObjectInspector soi = (StructObjectInspector) inputObjInspectors[tag];
//标识是左侧select过来的  
if (tag == SELECT_TAG) {
    selectObjs.clear();
    selectObjs.addAll(soi.getStructFieldsDataAsList(row));
  } else if (tag == UDTF_TAG) {  //代表是右侧udtf过来的
    acc.clear();
    acc.addAll(selectObjs);
    acc.addAll(soi.getStructFieldsDataAsList(row));  //合并数据
    forward(acc, outputObjInspector);
  } else {
 throw new HiveException("Invalid tag");
  }


}

LateralViewJoinOperator处理逻辑也是很简单明了，这里的join也是简单的List.addAll

是否有shuffle

Lateral view explode 会产生shuffle吗？

当然不会，毋庸置疑！ 其实一开始看执行计划就会发现，没有reduce任务呀~~

这里的Join代表的是两份数据联接到一起的意思，并不是真正的意义上的join。

感谢你能够认真阅读完这篇文章，希望小编分享的“hive中lateral view怎么用”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!