11.1 实验环境介绍
- 集群环境正常运行
- 集群安装了Hive和Impala服务
- 操作系统：Redhat6.5
- CDH和CM版本为5.11.1
- 采用sudo权限的ec2-user用户进行操作
11.2 UDF函数开发——使用Intellij工具
- 使用Intellij工具开发Hive的UDF函数
-
通过Maven创建一个Java工程
- pom.xml文件中增加Hive包的依赖
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>1.1.0</version>
</dependency>
- 示例代码如下——Java
package com.peach.date;
import org.apache.hadoop.hive.ql.exec.UDF;
import java.text.ParseException;
import java.text.SimpleDateFormat;
/**
* SQL的UDF日期相关工具类
* Created by peach on 2017/8/24.
*/
public class DateUtils extends UDF {
/**
* 将日期字符串格式化为标准的日期格式
* 如:
* 2017-8-9 to 2017-08-09
* 2017-08-09 9:23:3 to 2017-08-0909:23:03
* @param sdate
* @param pattern
* @return
*/
public static String evaluate(Stringsdate, String pattern) {
String formatDate = sdate;
SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
try {
formatDate =sdf.format(sdf.parse(sdate));
} catch (ParseException e) {
e.printStackTrace();
}
return formatDate;
}
}
- 此处需要集成UDF类，重写evaluate方法，来实现自定义函数。
- 编译jar包
- 前提条件是已配置Maven的环境变量，命令行进入工程目录，执行如下命令：
mvn clean package
11.3 Hive使用UDF
将11.2中编译好的sql-udf-utils-1.0-SNAPSHOT.jar上传到集群服务器
11.3.1 创建临时UDF
- 进入Hive的shell命令行，执行如下命令，创建临时函数
add jar /home/ec2-user/sql-udf-utils-1.0-SNAPSHOT.jar;
create temporary function parse_date as 'com.peach.date.DateUtils';
- 在命令行测试该UDF函数
select parse_date(dates, 'yyyy-MM-dd HH:mm:ss') from date_test1;
11.3.2 创建永久UDF
- 在HDFS中创建相应目录，将sql-udf-utils-1.0-SNAPSHOT.jar包上传至该目录
[ec2-user@ip-172-31-8-141 ~]$ hadoop dfs -mkdir /udfjar
[ec2-user@ip-172-31-8-141 ~]$ hadoop dfs -put sql-udf-utils-1.0-SNAPSHOT.jar /udfjar
- 注意：目录udfjar和sql-udf-utils-1.0-SNAPSHOT.jar的权限，所属用户为hive
- 进入Hive的shell命令行，执行如下命令创建永久的UDF
create function default.parse_date as 'com.peach.date.DateUtils' using jar 'hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar';
- 注意：在创建的时候如果带有数据库名，则该UDF函数只对该库生效，其它库无法使用该UDF函数。
- 在命令行测试该UDF
select parse_date(dates, 'yyyy-MM-dd HH:mm:ss') from date_test1;
- 验证永久UDF函数是否生效
- 重新打开Hive CLI能正常使用创建的UDF函数
11.4 Impala使用Hive的UDF
- 在Impala shell命令行执行元数据同步命令
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > invalidate metadata;
- 使用UDF函数
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1;
11.5 常见问题解决
1.通过Impala命令UDF使用异常
- 通过Impala CLI命令行，使用UDF自定义函数时异常
Connected to ip-172-31-10-156.ap-southeast-1.compute.internal:21000
Server version: impalad version 2.7.0-cdh5.10.2 RELEASE (build 38c989c0330ea952133111e41965ff9af96412d3)
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates) from date_test1;
Query: select parse_date(dates) from date_test1
Query submitted at: 2017-08-24 12:51:44 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)
ERROR: AnalysisException: default.parse_date() unknown
- 解决方法：
- 元数据未同步导致，执行如下命令进行元数据同步：
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > invalidate metadata;
2.在Impala CLI命令行执行，异常如下
[ip-172-31-10-156.ap-southeast-1.compute.internal:21000] > select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1;
Query: select parse_date(dates,'yyyy-MM-dd HH:mm:ss') from date_test1
Query submitted at: 2017-08-24 13:02:14 (Coordinator: http://ip-172-31-10-156.ap-southeast-1.compute.internal:25000)
ERROR: Failed to copy hdfs://ip-172-31-9-186.ap-southeast-1.compute.internal:8020/udfjar/sql-udf-utils-1.0-SNAPSHOT.jar to /var/lib/impala/udfs/sql-udf-utils-1.0-SNAPSHOT.2386.2.jar:
Error(2): No such file or directory
- 在Impala Daemon服务器上，目录不存在导致
- 解决方法：
- 在所有Impala Daemon服务器创建/var/lib/impala/udfs目录
- 注意：目录所属用户及组
- 在所有Impala Daemon服务器创建/var/lib/impala/udfs目录
[ec2-user@ip-172-31-10-156 lib]$ sudo mkdir -p impala/udf
[ec2-user@ip-172-31-10-156 lib]$ sudo chown -R impala:impala impala/
大数据视频推荐：
腾讯课堂
CSDN
大数据语音推荐：
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通
