1. 首页
  2. 文章中心
  3. Hive大数据下的数据仓库

Hive数据仓库--UDF自定义函数以及其中的坑

92 阅读 0 评论
我是靠谱客的博主 文艺小猫咪，最近开发中收集的这篇文章主要介绍Hive数据仓库--UDF自定义函数以及其中的坑，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

一个简单的问题折腾了接近半天的时间，不过最终发现了问题出在哪里了，UDF这个是用户自定义函数，和sum等这种函数类似，主要作用是输入一个值，然后通过适当的处理后返回一个值。UDF倒是很简单的，基本上就是导入包，继承UDF类，实现一个evaluate方法就行了。

转载请注明出处：Hive数据仓库--UDF自定义函数以及其中的坑


UDF实例

简单的一个测试程序，是分析下json格式的字符串，解析成对象数组的形式，然后做相应的调整。

public class UDFTest extends UDF {

	public Text evaluate(Text origStr) {
		
		List<TagInfo> tagList = null;
		if (origStr != null && origStr.toString().trim() != "") {
			tagList = JSONArray.parseArray(origStr.toString(), TagInfo.class);
			for (TagInfo tagInfo : tagList) {
				Integer result = tagInfo.getLabelWeight() / 2;
				if (result > 0) {
					tagInfo.setLabelWeight(result);
				}
				else {
					tagList.remove(tagInfo);
				}
			}
			return new Text(JSONArray.toJSONString(tagList));
		}
		return new Text("");
	}
}

主要jar包

这里不再截图，数目太多，主要在Hive中lib目录下的所有的jar包+ hadoop-common-2.4.1.jar + 程序中使用的fastjson包。


遇到的坑

Total jobs = 1
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /tmp/hive-root/hive_2016-10-31_07-42-05_630_8137311191494691848-1/-mr-10003/0/emptyFile could only be replicated to 0 nodes instead of minReplication (=1).  There are 3 datanode(s) running and no node(s) are excluded in this operation.
        at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget(BlockManager.java:1441)
        at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:2702)
        at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:584)
        at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.addBlock(ClientNamenodeProtocolServerSideTranslatorPB.java:440)
        at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
        at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:585)
        at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:928)
        at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2013)
        at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2009)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:396)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1556)
        at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2007)

        at org.apache.hadoop.ipc.Client.call(Client.java:1410)
        at org.apache.hadoop.ipc.Client.call(Client.java:1363)
        at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:206)
        at $Proxy18.addBlock(Unknown Source)
        at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolTranslatorPB.addBlock(ClientNamenodeProtocolTranslatorPB.java:361)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
        at java.lang.reflect.Method.invoke(Method.java:597)
        at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:190)
        at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:103)
        at $Proxy19.addBlock(Unknown Source)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.locateFollowingBlock(DFSOutputStream.java:1439)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.nextBlockOutputStream(DFSOutputStream.java:1261)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.run(DFSOutputStream.java:525)
Job Submission failed with exception 'org.apache.hadoop.ipc.RemoteException(File /tmp/hive-root/hive_2016-10-31_07-42-05_630_8137311191494691848-1/-mr-10003/0/emptyFile could only be replicated to 0 nodes instead of minReplication (=1).  There are 3 datanode(s) running and no node(s) are excluded in this operation.
        at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget(BlockManager.java:1441)
        at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:2702)
        at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:584)
        at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.addBlock(ClientNamenodeProtocolServerSideTranslatorPB.java:440)
        at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
        at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:585)
        at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:928)
        at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2013)
        at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2009)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:396)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1556)
        at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2007)
)'
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
hive> select test(null) from db.data_page;
Total jobs = 1
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
Starting Job = job_1477918402104_0012, Tracking URL = http://hadoopwy1:8088/proxy/application_1477918402104_0012/
Kill Command = /usr/local/hadoop2/bin/hadoop job  -kill job_1477918402104_0012
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
2016-10-31 07:43:35,324 Stage-1 map = 0%,  reduce = 0%
2016-10-31 07:44:08,527 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.74 sec
MapReduce Total cumulative CPU time: 1 seconds 740 msec
Ended Job = job_1477918402104_0012
MapReduce Jobs Launched:
Job 0: Map: 1   Cumulative CPU: 1.74 sec   HDFS Read: 8300 HDFS Write: 24 SUCCESS
Total MapReduce CPU Time Spent: 1 seconds 740 msec


这里的出错的原因是上面的那个表为空的表，然后抛出了异常的信息，官网上给出的这类错误解决方案地址是：

CouldOnlyBeReplicatedTo

不过，有时候很可能是由于NameNode和DataNode之间的版本不一致造成，这时候，需要重新格式化NameNode，注意：格式化NameNode的时候，清除temp文件中的文件，此外清除后可能会丢失数据。

转载请注明出处：Hive数据仓库--UDF自定义函数以及其中的坑


最后

以上就是文艺小猫咪为你收集整理的Hive数据仓库--UDF自定义函数以及其中的坑的全部内容，希望文章能够帮你解决Hive数据仓库--UDF自定义函数以及其中的坑所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
点赞(61)

相关文章

12.zookeeper源码分析
12.zookeeper源码分析
捋一捋Python中的数学运算math库(上篇）数学运算函数代码展示
捋一捋Python中的数学运算math库(上篇）数学运算函数代码展示
【Hive】函数（UDF篇）【Hive】Hive常用函数（UDF篇）  
【Hive】函数（UDF篇）【Hive】Hive常用函数（UDF篇）  
Hive udf 永久注册、删除
Hive udf 永久注册、删除
Hive数据仓库--UDF自定义函数以及其中的坑
Hive数据仓库--UDF自定义函数以及其中的坑
Hive自定义UDF
Hive自定义UDF
hive删除自定义函数及表名
hive删除自定义函数及表名
Hive函数和UDF详解
Hive函数和UDF详解

评论列表共有 0 条评论

立即
投稿
返回
顶部