pig使用入门3-UDF的使用

1、Working with UDF(user defined function)

　　pig能够支持两种类型的UDFs：eval和load/store，

　　其中load/store的自定义函数主要是用来加载和保存特定的数据格式；

　　eval自定义函数主要用来进行常规的数据转换。

1.1 eval

　　如果想要实现自定义的eval类型的函数，编写一个类继承自EvalFunc<T>这个抽象类，重写这个类的抽象方法：

　　abstract public T exec(Tuple input) throws IOException;

　　该方法传入的类型是Tuple类型（pig类型之一）。

　　如果调用udf时使用的是:udf(ARG1, ARG2);那么调用input.get(0)将得到ARG1，同理input.get(1)得到的是ARG2，

　　input.getSize()得到传递的参数的数量，这里就是2.

1.2编写将字符串转换为大写的UDF

　　导个包pig.0.11..jar加入工作环境

1.3代码示例（注意：此时的包名为myudfs,pig注册UDF的时候，需要使用类的全名）

package myudfs;

import java.io.IOException;

import org.apache.pig.EvalFunc;
import org.apache.pig.data.Tuple;
import org.apache.pig.impl.util.WrappedIOException;

public class UPPER extends EvalFunc<String>{

	@Override
	public String exec(Tuple input) throws IOException {
		// TODO Auto-generated method stub

		if(input == null || input.size() == 0){
			return null;
		}
		try {
			return ((String)input.get(0)).toUpperCase();
		} catch (Exception e) {
			// TODO: handle exception
			throw WrappedIOException.wrap("Caught exception processing input row",e);
		}
	}
}

1.4打包命名为UPPER.jar放入pig目录lib文件夹下

1.5准备数据测试文件

　　student_data文件：

　　student1,1,1
　　studetn2,2,2
　　student3,3,3
　　student4,4,4

1.6将student_data文件上传hdfs上，hadoop dfs -put student_data /input

1.7执行pig

　　注册UDF

　　grunt> register lib/UPPER.jar  使用pwd查看当前工作目录，为pig

1.8加载数据

　　grunt> A = load ‘student_data‘ using PigStorage(‘,‘) as (name:chararray, age:int,gpa:double);

　　grunt> B = FOREACH A GENERATE myudfs.UPPER(name);   注意类的全名

　　grunt> dump B;

　　这时将输出：

　　(STUDENT1)
　　(STUDETN2)
　　(STUDENT3)
　　(STUDENT4)

pig使用入门3-UDF的使用,布布扣,bubuko.com