Hive UDF、UDAF、UDTF との統合

適用対象: Databricks Runtime

Spark SQL では、Hive UDF、UDAF、および UDTF の統合がサポートされています。 Spark UDF および UDAF と同様に、Hive UDF は単一の行に対して入力として機能し、出力として単一の行を生成します。一方、Hive UDAF は複数の行に作用し、結果として単一の集計行を返します。 また、Hive では UDTF (ユーザー定義の表形式関数) もサポートされています。これは、1 つの行に対して入力として動作し、出力として複数の行を返します。 Hive UDF、UDAF、UDTF を使用するには、ユーザーはそれらを Spark に登録してから、Spark SQL クエリで使用する必要があります。

例

Hive には、UDF と GenericUDF という 2 つの UDF インターフェイスがあります。 次の例では、GenericUDF から派生した GenericUDFAbs を使用します。

-- 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|
+--------------+

次の例では、GenericUDTF から派生した GenericUDTFExplode を使用します。

-- 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 には、UDAF と GenericUDAFResolver という 2 つの UDAF インターフェイスがあります。 次の例では、GenericUDAFResolver から派生した GenericUDAFSum を使用します。

-- 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|
+---+---------------+