1.文档编写目的
本文档讲述如何开发Hive自定义函数（UDF），以及如何在Impala中使用Hive的自定义函数，通过本文档，您将学习到以下知识：
1.如何使用Java开发Hive的自定义函数
2.如何在Hive中创建自定义函数及使用
3.如何在Impala中使用Hive的自定义函数
这篇文档将重点介绍UDF在Hive和Impala的使用，并基于以下假设：
1.集群环境正常运行
2.集群安装Hive和Impala服务
以下是本次测试环境，但不是本操作手册的硬限制：
1.操作系统：Redhat6.5
2.CDH和CM版本为5.11.1
3.采用sudo权限的ec2-user用户进行操作
2.UDF函数开发
使用Intellij工具开发Hive的UDF函数，进行编译；
1.使用Intellij工具通过Maven创建一个Java工程
2.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>
3.Java示例代码如下
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 eva luate(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;
}
}
此处使用一个简单的日期转换自定义函数来做事例，注意此处需要集成UDF类，重写eva luate方法，来实现自己定义函数。
4.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
3.Hive使用自定义函数（UDF）
将章节2中编译好的sql-udf-utils-1.0-SNAPSHOT.jar上传到集群服务器；
3.1创建临时UDF
1.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';
2.在命令行测试该UDF函数
select parse\_date(dates, 'yyyy-MM-dd HH:mm:ss') from date\_test1;
3.2创建永久UDF
1.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
2.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。
3.在命令行测试该UDF
select parse\_date(dates, 'yyyy-MM-dd HH:mm:ss') from date\_test1;
4.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。
4.Impala使用Hive的UDF
1.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;
2.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;
5.常见问题
1.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
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
[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/