hive
ユーザー定義集約関数（UDAF）

UDAFの平均例

• org.apache.hadoop.hive.ql.exec.hive.UDAF UDAFEvaluatorするJavaクラスを作成するUDAFEvaluatorを実装する内部クラスを作成する

• 5つのメソッドを実装する

  • init() - このメソッドは評価者を初期化し、内部状態をリセットします。以下のコードで新しいColumn（）を使用して、値がまだ集約されていないことを示します。
  • iterate() - このメソッドは、集計する新しい値があるたびに呼び出されます。評価者は、集計を実行した結果で内部状態を更新する必要があります（合計を行っています - 以下を参照）。入力が有効であることを示すためにtrueを返します。
  • terminatePartial() - このメソッドは、Hiveが部分集計の結果を必要とするときに呼び出されます。このメソッドは、集約の状態をカプセル化するオブジェクトを返す必要があります。
  • merge() - このメソッドは、Hiveが1つの部分集約を別の集約と結合することを決定したときに呼び出されます。
  • terminate() - このメソッドは、集約の最終結果が必要なときに呼び出されます。

    public class MeanUDAF extends UDAF {
    // Define Logging
    static final Log LOG = LogFactory.getLog(MeanUDAF.class.getName());
    public static class MeanUDAFEvaluator implements UDAFEvaluator {
    /**
     * Use Column class to serialize intermediate computation
     * This is our groupByColumn
     */
    public static class Column {
     double sum = 0;
     int count = 0;
     }
    private Column col = null;
    public MeanUDAFEvaluator() {
     super();
     init();
     }
    // A - Initalize evaluator - indicating that no values have been
    // aggregated yet.
    public void init() {
     LOG.debug("Initialize evaluator");
     col = new Column();
     }
    // B- Iterate every time there is a new value to be aggregated
     public boolean iterate(double value) throws HiveException {
     LOG.debug("Iterating over each value for aggregation");
     if (col == null)
     throw new HiveException("Item is not initialized");
     col.sum = col.sum + value;
     col.count = col.count + 1;
     return true;
     }
    // C - Called when Hive wants partially aggregated results.
     public Column terminatePartial() {
     LOG.debug("Return partially aggregated results");
     return col;
     }
     // D - Called when Hive decides to combine one partial aggregation with another
     public boolean merge(Column other) {
     LOG.debug("merging by combining partial aggregation");
     if(other == null) {
     return true;
     }
     col.sum += other.sum;
     col.count += other.count;
     return true; 
    }
     // E - Called when the final result of the aggregation needed.
     public double terminate(){
     LOG.debug("At the end of last record of the group - returning final result"); 
     return col.sum/col.count;
     }
     }
    }


    hive> CREATE TEMPORARY FUNCTION <FUNCTION NAME> AS 'JAR PATH.jar';
    hive> select id, mean_udf(amount) from table group by id;