Cet article montre comment implémenter une fnoction utilisateur (UDF) Hive en Java pour convertir une chaîne de caractères d'un format de date à un autre, puis comment l'utiliser dans HQL.

1. Créasion du projet Maven

Créez un projet Maven avec l'artefact suivant et adaptez les versions aux dépendances de votre cluster. L'exemple ci-dessous suppose Hadoop 2.7.7 et Hive 1.2.2.

pom.xml

<project xmlns="http://maven.apache.org/POM/4.0.0"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 
        http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>
    <groupId>com.example.hive</groupId>
    <artifactId>date-udf</artifactId>
    <version>1.0.0</version>

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.7</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec</artifactId>
            <version>1.2.2</version>
        </dependency>
    </dependencies>

    <build>
        <finalName>${project.artifactId}</finalName>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.8.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
        </plugins>
    </build>
</project>

2. Classe Java de l'UDF

La classe hérite de org.apache.hadoop.hive.ql.exec.UDF. Elle exploite les API temps de Java 8 pour effectuer la conversion.

package com.example.hive.udf;

import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

public class DateFormatTransformer extends UDF {

    public Text evaluate(Text source, Text inPattern, Text outPattern) {
        if (source == null || inPattern == null || outPattern == null) {
            return null;
        }

        DateTimeFormatter inputFormatter = DateTimeFormatter.ofPattern(inPattern.toString());
        DateTimeFormatter outputFormatter = DateTimeFormatter.ofPattern(outPattern.toString());

        LocalDateTime dateTime = LocalDateTime.parse(source.toString(), inputFormatter);
        String formatted = dateTime.format(outputFormatter);

        return new Text(formatted);
    }
}

3. Construction du JAR

Compilez et packagez le projet avec Maven :

mvn clean package

Le fichier généré, date-udf.jar, est ensuite déployé sur le cluster, par exemple dans /opt/hive-udfs/date-udf.jar.

4. Enregistrement de la fonction dans Hive

Ouvrez une session Hive et chargez le JAR avant de déclarer la fonction temporaire.

ADD JAR /opt/hive-udfs/date-udf.jar;

CREATE TEMPORARY FUNCTION format_date
AS 'com.example.hive.udf.DateFormatTransformer';

5. Utilisation dans une requête HQL

Imaginons une table nommée logs contenant les dates au format compact.

SELECT format_date(log_time, 'yyyyMMddHHmmss', 'yyyy-MM-dd HH:mm:ss')
FROM logs;

Données d'entrée :

20190529072650
20190529072730
20190529072812

Résultat de l'UDF :

2019-05-29 07:26:50
2019-05-29 07:27:30
2019-05-29 07:28:12

La fonction temporaire reste disponible uniquement pendant la session Hive en cours.