引言
曾经认为Hive自带的函数应该可以cover住我的日常所需，心想那些需要使用自定义函数的场景是不是太奇葩，谁知命运弄人，自己还是碰上了。
需求很简单，我需要模拟Oracle中的SYS_GUID()函数，生成一个32位的字母数字随机串。
开发环境：Eclipse+Maven，引入Hive0.13.1的依赖。
欢迎转载，请注明来源：
http://blog.csdn.net/u010967382/article/details/41083617
代码
package cn.fulong.bigdata.tools;
import java.util.Random;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.hive.ql.udf.UDFType;
import org.apache.hadoop.io.Text;
@UDFType(deterministic = false)
public class HiveUDFOracleSysguid extends UDF {
private Random random = new Random();
private Text result = new Text();
public Text evaluate(int length) {
result.set(getCharAndNumr(length));
return result;
}
private String getCharAndNumr(int length) {
StringBuffer val = new StringBuffer();
for (int i = 0; i < length; i++) {
String charOrNum = random.nextInt(2) % 2 == 0 ? "char" : "num"; // 输出字母还是数字
if ("char".equalsIgnoreCase(charOrNum)) // 字符串
{
int choice = 65; // 大写字母65，小写字母96
val.append((char) (choice + random.nextInt(26)));
} else if ("num".equalsIgnoreCase(charOrNum)) // 数字
{
val.append(String.valueOf(random.nextInt(10)));
}
}
return val.toString();
}
}
部署
步骤一：
打包该类，上传到集群中，进入hive cli；
步骤二：
将jar包添加到hive的classpath中：
hive> add jar /home/hive-tools-sysguid-for-oracle.jar;
步骤三：
基于自定义UDF类创建自定义函数：
hive> create temporary function fbi_guid as ‘cn.bigdata.tools.HiveUDFOracleSysguid‘;
其中，fbi_guid 是自己命名的函数名称，将用于hive sql中，cn.bigdata.tools.HiveUDFOracleSysguid是类名。
执行
和内置函数使用方法一样：
select fbi_guid(32) from sp_t_re_valid_service limit 20;
填坑记录
官网给出的示例代码是：
package com.example.hive.udf;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;
public final class Lower extends UDF
{
public Text
evaluate(final Text
s) {
if (s
== null)
{ return null;
}
return new Text(s.toString().toLowerCase());
}
}
但，如果仅仅按照以上模板改写，最终运行时会遇到一个很恶心的问题：
生成随机串的逻辑只被执行了一遍，所有行的该字段字符串都是一样的，并不会像预想的那样，即每行一个随机串。
该问题请教了无数知名公司的大虾都没给出解决方案，查阅无数篇“UDF开发详解”类博客也没找到解药，情急之下灵机一动，想到了HIVE内置的rand()函数，功能其实和我这个类似，但是rand()就能很好的每行输出一个随机数，所以决定从rand()的源码找答案。
rand()函数的实现类是 org.apache.hadoop.hive.ql.udf.UDFRand，各位可自行查阅。
我先将核心逻辑拷贝到自己的UDF中测试了一下，发现问题还是存在，核心逻辑只被执行了一遍，每行的对应字段都是相同的数字。
出现该现象是好事，因为问题的关键肯定在源码核心逻辑以外的某个角落！
通过观察核心逻辑以外可能对该结果造成影响的代码，发现了@UDFType(deterministic = false)，该注解指定了当前UDF的类型是否是确定性，默认为true，然而，rand()的源码中将该属性设置为了false！
经测试，@UDFType(deterministic = false)果然是结症所在，加上这句注解后，我的UDF可以正常执行了，每行输出不同的32位随机字母数字串，over。