Hive中使用自定义函数(UDF)实现分析函数row_number的功能

之前部门实现row_number是使用的transform，我觉得用UDF实现后，平时的使用会更方便，免去了transform相对繁琐的语法。

    用到的测试表为：

hive> desc row_number_test;
OK
id1    int
id2    string
age    int
score  double
name    string

hive> select * from row_number_test;
OK
2      t04    25      60.0    youlia
1      t01    20      85.0    liujiannan
1      t02    24      70.0    zengqiu
2      t03    30      88.0    hongqu
2      t03    27      70.0    yongqi
1      t02    19      75.0    wangdong
1      t02    24      70.0    zengqiu

使用时要先在子查询中进行分区与排序，比如Oracle中这样一句SQL：

select row_number() over (partition by id1 order by age desc) from row_number_test;

转换为hive语句应该是：

select row_number(id1) from  --partition by的字段传到row_number函数中去

    (select * from row_number_test distribute by id1 sort by id1,age desc) a;

如果partition by 两个字段：

select row_number() over (partition by id1,id2 order by score) from row_number_test;

转换为hive语句应该是：

select row_number(id1,id2)  --partition by的字段传到row_number函数中去

    from (select * from row_number_test distribute by id1,id2 sort by id1,id2,score) a;

展示一下查询结果：

1.

select id1,id2,age,score,name,row_number(id1) rn from (select * from row_number_test distribute by id1 sort by id1,age desc) a;

OK
2      t03    30      88.0    hongqu          1
2      t03    27      70.0    yongqi          2
2      t04    25      60.0    youlia          3
1      t02    24      70.0    zengqiu        1
1      t02    24      70.0    zengqiu        2
1      t01    20      85.0    liujiannan      3
1      t02    19      75.0    wangdong        4

2.

select id1,id2,age,score,name,row_number(id1,id2) rn from (select * from row_number_test distribute by id1,id2 sort by id1,id2,score) a;

OK
2      t04    25      60.0    youlia          1
1      t02    24      70.0    zengqiu        1
2      t03    27      70.0    yongqi          1
1      t02    24      70.0    zengqiu        2
1      t02    19      75.0    wangdong        3
1      t01    20      85.0    liujiannan      1
2      t03    30      88.0    hongqu          2

下面是代码，只实现了接收1个参数和2个参数的evaluator方法，参数再多的照搬代码就可以了，代码仅供参考：

package com.Hadoopbook.hive;

import org.apache.hadoop.hive.ql.exec.UDF;

import org.apache.hadoop.hive.ql.udf.UDFType;

@UDFType(deterministic = false)

public class Row_number extends UDF {

private static int MAX_VALUE = 50;

private static String comparedColumn[] = new String[MAX_VALUE];

private static int rowNum = 1;

public int evaluate (Object ...args){

String columnValue[] = new String[args.length];

for(int i=0;i<args.length;i++)

columnValue[i] = args[i].toString();

if (rowNum == 1)

{

for(int i=0;i<columnValue.length;i++)

comparedColumn[i] = columnValue[i];

}

for(int i=0;i<columnValue.length;i++)

{

if ( !comparedColumn[i].equals(columnValue[i]) )

{

for (int j=0;j<columnValue.length;j++)

{

comparedColumn[j] = columnValue[j];

}

rowNum = 1;

return rowNum++;

}

}

return rowNum++;

}

public static void main(String args[])

{

Row_number t = new Row_number();

System.out.println(t.evaluate(123));

System.out.println(t.evaluate(123));

System.out.println(t.evaluate(123));

System.out.println(t.evaluate(1234));

System.out.println(t.evaluate(1234));

System.out.println(t.evaluate(1234));

System.out.println(t.evaluate(1235));

}

}

Hive 的详细介绍：请点这里
Hive 的下载地址：请点这里

相关阅读：