Hive 自定义函数：从 “搬砖工“ 到 “造轮子大佬“ 的逆袭之路

一、为什么要自定义函数？难道内置函数不香吗？

作为一名资深 Hive 搬砖工，我曾经天真地以为内置函数就是全世界：ABS 求绝对值、COUNT 数星星、CONCAT 拼字符串... 直到有一天产品经理甩来需求："把用户昵称首字母大写，其他小写，还要兼容 emoji！"

我自信满满敲下SELECT UPPER(name) FROM users，结果得到一堆全大写的 "ZHANGSAN"。产品经理嘴角扬起神秘微笑："这就是你说的首字母大写？" 那一刻我明白：内置函数就像超市里的速食面，能填饱肚子但永远吃不出妈妈的味道。ε(┬┬﹏┬┬)3

Hive 自定义函数（UDF）就是程序员的 "瑞士军刀"，当内置函数不够用，我们就自己造轮子。先记住这三兄弟：

• UDF（User Defined Function）：一对一的翻译官，输入一个值输出一个值，比如把 "lisi" 变成 "LISI"，把-1变成1
• UDAF（User Defined Aggregation Function）：聚众开会做总结，输入一堆值输出一个结果，比如求平均数，求和。
• UDTF（User Defined Table-Generating Function）：一变多的魔术表演，输入一行输出多行，比如拆分 JSON 数组，explode展开函数

二、UDF 实战：教 Hive 把 "zhangsan" 变成 "Zhangsan"

1. 搭建你的Maven 项目

首先打开 IDEA，像搭积木一样创建 Maven 项目

 

然后在 pom.xml 里加入依赖： 

        org.apache.hive
        hive-exec
        3.1.2
    
    
    
        org.apache.hadoop
        hadoop-common
        3.3.1
    

2. 编写你的第一个 UDF：首字母大写转换器

新建一个 Java 类，比如FirstUpper，记住必须继承GenericUDF，然后重写他的方法，这是 Hive 大佬们定的规矩：

import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

public class FirstUpper extends GenericUDF {
    @Override
    public ObjectInspector initialize(ObjectInspector[] objectInspectors) throws UDFArgumentException {
        if (objectInspectors.length != 1) {
            // 说明参数的数量不对
            throw new UDFArgumentException("参数数量错误");
        }
        // 返回值类型检查
        return PrimitiveObjectInspectorFactory.javaStringObjectInspector;
    }

    @Override
    public Object evaluate(DeferredObject[] deferredObjects) throws HiveException {
        // 获取参数的值
        String inputString = deferredObjects[0].get().toString();
        if (inputString != null) {//逻辑部分，截取首字母
            String upperFirst = inputString.substring(0,1).toUpperCase();
            return upperFirst + inputString.substring(1);
        }
        return null;
    }

    @Override
    public String getDisplayString(String[] strings) {
        return "首字母大写";
//getDisplayString方法的主要目的是为自定义函数提供用户友好的字符串表示，用于日志、执行计划（EXPLAIN输出）或错误信息中，以提高可读性和调试效率
    }
}

3. 把代码打包成 "魔法药水"（jar 包）

点击 IDEA 的 Maven 工具栏，找到package命令，成功后会在target目录下生成HiveFunctionDemo1-1.0-SNAPSHOT.jar。这个 jar 包就像你炼制好的魔法药水，需要传给 Hive 服用。

 

4. 让 Hive 加载自定义的函数

方式一：临时加载（一次性筷子，用完就扔）

-- 先把jar包放到Hive的lib目录下，比如/opt/hive/lib/
hive> add jar /opt/hive/lib/HiveFunctionDemo1-1.0-SNAPSHOT.jar;
-- 创建临时函数，注意temporary关键字
hive> create temporary function first_upper as 'com.bigdata.FirstUpper';
//这里单引号里的路径应与Java类的路径一致

-- 测试一下，输入"zhang"应该输出"Zhang"
hive> select first_upper('zhang');

 单引号里的Java类路径可以参考以下步骤：

方式二：开机自动加载（居家常用工具） 

• 创建初始化文件：

vi $HIVE_HOME/conf/hive-init
#$HIVE_HOME为自己的Hive安装目录

• 在文件中写入加载命令：

add jar /opt/hive/lib/HiveFunctionDemo1-1.0-SNAPSHOT.jar;
create temporary function 函数名 as 'com.bigdata.FirstLetterUpper';

• 启动 Hive 时指定初始化文件：

hive -i $HIVE_HOME/conf/hive-init

---

以上，创建的都是临时函数，当窗口关闭就消失了，函数失效 ，假如我自定义的函数每天都需要时会用，但是我使用的是远程连接，如何配置？(⊙—⊙)？

方式三：永久加载（传家宝级别）

--需要将jar包放置在hdfs存储路径下才行，不然会报错。
hdfs dfs -put /opt/installs/hive/lib/HiveFunctionDemo1-1.0-SNAPSHOT.jar /home
-- 创建永久函数，不加temporary
hive> create function first_upper as 'com.bigdata.FirstUpper' using jar 'hdfs://machine01:9820/home/HiveFunctionDemo1-1.0-SNAPSHOT.jar';
--注意不要加temporary
--这里单引号里的hdfs地址和自己的保持一致

三、UDAF 和 UDTF：进阶玩家的秘密武器

1. UDAF：聚众开会的统计大师

想象一下你要计算每个部门的平均工资，内置的 AVG 函数就是一个 UDAF。如果需要自定义复杂统计（比如求中位数），就需要自己写 UDAF。

UDAF 的核心是 "累加器" 模式：

• init()：初始化累加器
• iterate()：每次处理一条数据，更新累加器
• merge()：合并多个累加器（分布式计算时有用）
• terminate()：返回最终结果

2. UDTF：一变多的魔术大师

比如你有一个 JSON 数组字段tags=["java","hadoop","spark"]，想拆分成多行，就可以用lateral view explode(tags) as tag。这时候explode就是一个 UDTF。

自定义 UDTF 需要继承GenericUDTF，实现initialize()、process()和close()方法，其中process()负责输出多行数据。

四、实战翻车现场：这些坑我替你踩过了

ClassNotFoundException：

Error: java.lang.ClassNotFoundException: com.bigdata.FirstUpper

原因：Hive 找不到你的类，可能是 jar 包没加载，或者类路径写错了。
解决方案：用show functions确认函数存在，检查类名和包名是否正确。

UDFArgumentException

UDFArgumentException: Invalid parameter type

原因：你的函数要求字符串参数，却传了数字。
解决方案：在initialize()方法中增加参数类型检查。

永久函数跨会话失效：

原因：你以为创建了永久函数，但 jar 包只在当前会话加载。
解决方案：创建永久函数时一定要用using jar指定 HDFS 路径。

 

五、面试装 X 指南：如何优雅回答自定义函数问题

面试官："你在项目中自定义过 Hive 函数吗？"

普通回答："用过，写过一个首字母大写的 UDF。"

大佬回答：" 哦，你说 UDF 啊，我们项目里用得挺多的。比如有个需求是解析嵌套 JSON，内置函数搞不定，我就写了个 UDTF，用递归解析嵌套结构，然后通过forward()方法输出多行数据。当时遇到一个性能问题，发现频繁创建 JSON 解析器很耗资源，后来改成单例模式，性能提升了 30%。对了，你知道 UDAF 和 UDTF 在底层实现上的区别吗？UDAF 需要处理分布式环境下的累加器合并，而 UDTF..."

记住这个套路：先讲需求背景，再讲技术方案，最后抛出更深层次的问题，把面试官绕晕。

六、结语：从 "调包侠" 到 "造包侠" 的蜕变

自定义函数是 Hive 开发的进阶之路，当你能熟练编写 UDF/UDAF/UDTF 时，恭喜你已经从 "调包侠" 升级为 "造包侠"。下次产品经理再提奇葩需求，你可以自信地说："这个简单，我写个 UDF 搞定！"

最后送大家一句话：代码是死的，人是活的。内置函数不够用？那就自己创造！毕竟程序员的终极浪漫，就是用代码改变世界（哪怕只是让首字母大写）。

 彩蛋：输入出生年月日计算年龄的UDF（面试常考）：

import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.StringObjectInspector;

import java.time.LocalDate;
import java.time.format.DateTimeFormatter;

// 彩蛋：输入出生年月日计算年龄的UDF（面试常考）
public class Age extends GenericUDF {
    @Override
    public ObjectInspector initialize(ObjectInspector[] objectInspectors) throws UDFArgumentException {
        if(objectInspectors.length != 1){
            throw new UDFArgumentException("参数数量错误");
        }
        ObjectInspector inspector = objectInspectors[0];
        if (!(inspector instanceof StringObjectInspector)) {
            // 检查参数是否为字符串
            throw new UDFArgumentException("参数的类型错误");
        }
        return PrimitiveObjectInspectorFactory.javaIntObjectInspector;
    }

    @Override
    public Object evaluate(DeferredObject[] deferredObjects) throws HiveException {
        String inputBirthday = deferredObjects[0].get().toString();
        DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyy-MM-dd");
        try {
            LocalDate birthday = LocalDate.parse(inputBirthday, formatter);
            int birthdayYear = birthday.getYear();
            int birthdayMonth = birthday.getMonthValue();
            int birthdayDay = birthday.getDayOfMonth();

            LocalDate now = LocalDate.now();
            int nowYear = now.getYear();
            int nowMonth = now.getMonthValue();
            int nowDay = now.getDayOfMonth();

            if(nowMonth>birthdayMonth){
                return nowYear-birthdayYear;
            }else if(nowMonth==birthdayMonth){
                if(nowDay>=birthdayDay){
                    return nowYear-birthdayYear;
                }else {
                    return nowYear-birthdayYear-1;
                }
            }else{
                return nowYear-birthdayYear-1;
            }
        }catch (Exception e){
            return -1;
        }

    }

    @Override
    public String getDisplayString(String[] strings) {
        return null;
    }
}