Hive UDF

开发自定义UDF函数有两种方式：
一个是继承org.apache.hadoop.hive.ql.exec.UDF，
另一个是继承org.apache.hadoop.hive.ql.udf.generic.GenericUDF；

UDF

使用UDF非常简单，只需要继承org.apache.hadoop.hive.ql.exec.UDF，并定义
public Object evaluate(Object args) {} 方法即可。
比如，下面的UDF函数实现了对一个String类型的字符串取HashMD5：

package com.lxw1234.hive.udf;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.hbase.util.MD5Hash;
import org.apache.hadoop.hive.ql.exec.UDF;
public class HashMd5 extends UDF {
    public String evaluate(String cookie) {
        return MD5Hash.getMD5AsHex(Bytes.toBytes(cookie)); 
    }
}

将上面的HashMd5类打成jar包，udf.jar
使用时候，在Hive命令行执行：

add jar file:///tmp/udf.jar;
CREATE temporary function str_md5 as 'com.lxw1234.hive.udf.HashMd5';
select str_md5(‘lxw1234.com’) from dual;

GenericUDF

继承org.apache.hadoop.hive.ql.udf.generic.GenericUDF之后，需要重写几个重要的方法：
public void configure(MapredContext context) {}
//可选，该方法中可以通过context.getJobConf()获取job执行时候的Configuration；
//可以通过Configuration传递参数值
public ObjectInspector initialize(ObjectInspector[] arguments)
//必选，该方法用于函数初始化操作，并定义函数的返回值类型；
//比如，在该方法中可以初始化对象实例，初始化数据库链接，初始化读取文件等；
public Object evaluate(DeferredObject[] args){}
//必选，函数处理的核心方法，用途和UDF中的evaluate一样；
public String getDisplayString(String[] children)
//必选，显示函数的帮助信息
public void close(){}
//可选，map完成后，执行关闭操作

即在MapReduce阶段，GenericUDF几个方法的执行顺序为：
configure–>initialize–>evaluate–>close