UDF精简使用大全

一、UDF的分类

UDF类型

描述

UDF User Defined Scalar Function

用户自定义标量值函数。其输入与输出是一对一的关系 即读入一行数据 输出一个值。

UDTF User Defined Table Valued Function

自定义表值函数。用于解决调用一次函数输出多行数据的需求。UDTF是唯一能够返回多个字段的自定义函数。UDTF不等于UDT User Defined Type 。

UDAF User Defined Aggregation Function

自定义聚合函数。其输入与输出是多对一的关系 即将多条输入记录聚合成一个输出值。UDAF可以与SQL中的GROUP BY语句联用。具体语法请参见

聚合函数

。

二、UDF参数解析

MaxCompute数据类型与Java数据类型的对应关系如下。

注意点

此处ARRAY类型对应的Java类型是List 而不是数组。VARCHAR,BINART,STRUCT一些数据类型是ODPS独有的Java中对应的数据类型以及返回值数据类型是对象 数据类型首字母需大写。

MaxCompute Type

Java Type

TINYINT

java.lang.Byte

SMALLINT

java.lang.Short

INT

java.lang.Integer

BIGINT

java.lang.Long

FLOAT

java.lang.Float

DOUBLE

java.lang.Double

DECIMAL

java.math.BigDecimal

BOOLEAN

java.lang.Boolean

STRING

java.lang.String

VARCHAR

com.aliyun.odps.data.Varchar

BINARY

com.aliyun.odps.data.Binary

DATETIME

java.util.Date

TIMESTAMP

java.sql.Timestamp

ARRAY

java.util.List

MAP

java.util.Map

STRUCT

com.aliyun.odps.data.Struct

MaxCompute 2.0版本支持定义Java UDF时 使用Writable类型作为参数和返回值。MaxCompute数据类型和Java Writable类型的映射关系如下。

MaxCompute Type

Java Writable Type

TINYINT

ByteWritable

SMALLINT

ShortWritable

INT

IntWritable

BIGINT

LongWritable

FLOAT

FloatWritable

DOUBLE

DoubleWritable

DECIMAL

BigDecimalWritable

BOOLEAN

BooleanWritable

STRING

Text

VARCHAR

VarcharWritable

BINARY

BytesWritable

DATETIME

DatetimeWritable

TIMESTAMP

TimestampWritable

INTERVAL_YEAR_MONTH

IntervalYearMonthWritable

INTERVAL_DAY_TIME

IntervalDayTimeWritable

ARRAY

N/A

MAP

N/A

STRUCT

N/A

MaxCompute SQL Type

Python 2 Type

BIGINT

INT

STRING

STR

DOUBLE

FLOAT

BOOLEAN

BOOL

DATETIME

INT

FLOAT

FLOAT

CHAR

STR

VARCHAR

STR

BINARY

BYTEARRAY

DATE

INT

DECIMAL

DECIMAL.DECIMAL

ARRAY

LIST

MAP

DICT

STRUCT

COLLECTIONS.NAMEDTUPLE

MaxCompute SQL Type

Python 3 Type

BIGINT

INT

STRING

UNICODE

DOUBLE

FLOAT

BOOLEAN

BOOL

DATETIME

DATETIME.DATETIME

FLOAT

FLOAT

CHAR

UNICODE

VARCHAR

UNICODE

BINARY

BYTES

DATE

DATETIME.DATE

DECIMAL

DECIMAL.DECIMAL

ARRAY

LIST

MAP

DICT

STRUCT

COLLECTIONS.NAMEDTUPLE

三、UDF的使用方式

UDF、UDTF、UDAT可进行参考文档

https://help.aliyun.com/document_detail/27867.html?spm a2c4g.11186623.6.762.463d7468xnFPHb

JAVA UDF

UDF的高级使用

3.1UDF中的变长参数

java语言

package com.mrtest.cn;
import com.aliyun.odps.udf.UDF;
import com.aliyun.odps.udf.annotation.Resolve;
import java.util.ArrayList;
import java.util.List;
 Resolve({ *- array })
public class TestUDF extends UDF {
 public List evaluate(String ... s) {
 List list new ArrayList();
 for (String name : s) {
 list.add(name);
 return list;
}

Python语言

from odps.udf import annotate
 annotate( *- bigint )
class ParamFunc(object):
 def evaluate(self, *nums):
 sum 0
 for num in nums:
 sum num sum
 return sum

3.2UDF的重载

注意事项 对于List与List是不能解析对应的方法的 这种属于类型擦除

package com.aliyun.odps.examples.udf;
import com.aliyun.odps.udf.UDF;
public class UDFExample extends UDF {
 public String evaluate(String a) {
 return s2s: a;
 public String evaluate(String a, String b) {
 return ss2s: a , b;
 public String evaluate(String a, String b, String c) {
 return sss2s: a , b , c;
}

3.3UDF访问对应文件和表

java语言

package com.aliyun.odps.examples.udf;
import com.aliyun.odps.udf.ExecutionContext;
import com.aliyun.odps.udf.UDF;
import com.aliyun.odps.udf.UDFException;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.Iterator;
public class UDFResource extends UDF {
 ExecutionContext ctx;
 long fileResourceLineCount;
 long tableResource1RecordCount;
 long tableResource2RecordCount;
 Override
 public void setup(ExecutionContext ctx) throws UDFException {
 this.ctx ctx;
 try {
 InputStream in ctx.readResourceFileAsStream( file_resource.txt );
 BufferedReader br new BufferedReader(new InputStreamReader(in));
 String line;
 fileResourceLineCount 0;
 while ((line br.readLine()) ! null) {
 fileResourceLineCount ;
 br.close();
 Iterator iterator ctx.readResourceTable( table_resource1 ).iterator();
 tableResource1RecordCount 0;
 while (iterator.hasNext()) {
 tableResource1RecordCount ;
 iterator.next();
 iterator ctx.readResourceTable( table_resource2 ).iterator();
 tableResource2RecordCount 0;
 while (iterator.hasNext()) {
 tableResource2RecordCount ;
 iterator.next();
 } catch (IOException e) {
 throw new UDFException(e);
 * project: example_project table: wc_in2 partitions: p2 1,p1 2 columns: colc,colb
 public String evaluate(String a, String b) {
 return ss2s: a , b |fileResourceLineCount fileResourceLineCount
 |tableResource1RecordCount tableResource1RecordCount |tableResource2RecordCount 
 tableResource2RecordCount;
}

python语言

#coding: utf-8
from odps.udf import annotate
from odps.distcache import get_cache_file
 annotate( double - double )
class Compute(object):
 def __init__(self):
 import json
 #获取对应文本文件
 cache_file get_cache_file( file.txt )
 dataMat []
 for line in cache_file :
 curLine line.strip().split( , )
 #处理逻辑
 cache_file.close()
 #获取对应的表文件
 records list(get_cache_table( table_resource1 ))
 for record in records:
 self.my_dict[record[0]] [record[1]]
 #处理逻辑
 def evaluate(self, input):
 #处理逻辑

? ? ??

3.4UDF访问外部网络(VPC、外部网络、专有网络

https://help.aliyun.com/document_detail/187866.html

3.5UDF使用第三方包

https://help.aliyun.com/document_detail/189752.html

#coding: utf-8
# explode.py
from odps.udf import annotate
from odps.distcache import get_cache_archive
import datetime
def include_package_path(res_name):
 import os, sys
 archive_files get_cache_archive(res_name)
 dir_names sorted ([os.path.dirname(os.path.normpath(f.name)) for f in archive_files 
 if .dist_info not in f.name], key lambda v: len(v))
 sys.path.append(os.path.dirname(dir_names[0]))
 annotate( string- boolean )
class is_workday_udf(object):
 def __init__(self):
 include_package_path( chinese-calendar-master.zip )
 def evaluate(self, date_str):
 # try:
 import chinese_calendar
 date_strs date_str.split( - )
 year_num int(date_strs[0])
 month_num int(date_strs[1])
 day_num int(date_strs[2])
 date_num datetime.date(year year_num, month month_num, day day_num)
 result chinese_calendar.is_workday(date_num)
 return result
 # except:
 # return True

函数的注册

执行的select的的操作

set odsp.pypy.enabled false;
set odps.isolation.session.enable true;
select my_json( { info : 11 , desc : a|b , filename : 4b-2a-3c-4d-5b } ) as a;

3.6使用嵌入式开发UDF

java语言

CREATE TEMPORARY FUNCTION foo AS com.mypackage.Reverse USING
#CODE ( lang JAVA )
package com.mypackage;
import com.aliyun.odps.udf.UDF;
public class Reverse extends UDF {
 public String evaluate(String input) {
 if (input null) return null;
 StringBuilder ret new StringBuilder();
 for (int i input.toCharArray().length - 1; i 0; i--) {
 ret.append(input.toCharArray()[i]);
 return ret.toString();
#END CODE;

SELECT foo( abdc

嵌入式代码块可以置于USING后或脚本末尾 置于USING后的代码块作用域仅为CREATE TEMPORARY FUNCTION语句。CREATE TEMPORARY FUNCTION创建的函数为临时函数 仅在本次执行生效 不会存入MaxCompute的Meta系统。

python语言

CREATE TEMPORARY FUNCTION foo AS embedded.UDFTest USING
#CODE ( lang PYTHON , filename embedded )
from odps.udf import annotate
 annotate( bigint- bigint )
class UDFTest(object):
 def evaluate(self, a):
 return a * a
#END CODE;

SELECT foo(4);

Python代码的缩进需要符合Python语言规范。由于注册Python UDF时AS后的类名需要包含Python源码的文件名 您可以通过’filename’ ’embedded’指定一个虚拟文件名。3.7使用SQL语言定义函数

create sql function my_sum( a BIGINT, b BIGINT, c BIGINT) returns my_sum BIGINT
as begin 
 temp : a b;
 my_sum : temp c;
end;

create sql function my_func( s STRING)
AS if( s rlike git_(m|a) , 1, 0);

本文使用的方案 在其中使用的时候要注意几点

1.如果在使用企业版DataWorks的API测试时 出现权限错误 需要提工单开通DataWorks的API功能。

2.在使用时要注意计算的类型以及计算方式 将本文的实践代码略作修改 另外统计时也要关注各个字段的单位 以及数据类型方便最后的统计计算。

3.要仔细查看对应的文档介绍 熟悉其使用方法以及对应的参数设置。

欢迎加入“MaxCompute开发者社区2群”,点击链接申请加入或扫描二维码

https://h5.dingtalk.com/invite-page/index.html?bizSource ____source____ corpId dingb682fb31ec15e09f35c2f4657eb6378f inviterUid E3F28CD2308408A8 encodeDeptId 0054DC2B53AFE745

本文转自网络，原文链接：https://developer.aliyun.com/article/784526
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！