package com.duowan.hive.udf.generic; import java.util.ArrayList; import java.util.Collections; import java.util.Comparator; import java.util.HashMap; import java.util.LinkedHashMap; import java.util.List; import java.util.Map; import java.util.Map.Entry; import org.apache.hadoop.hive.ql.exec.UDFArgumentException; import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException; import org.apache.hadoop.hive.ql.exec.UDFArgumentTypeException; import org.apache.hadoop.hive.ql.metadata.HiveException; import org.apache.hadoop.hive.ql.udf.generic.GenericUDF; import org.apache.hadoop.hive.serde2.objectinspector.MapObjectInspector; import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector; import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory; import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector.Category; import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory; import org.apache.hadoop.io.Text; /** * Sort a map * the function simple:sort_map(map,'key','desc'),返回map(string,string) * @author Irwin * */ public class GenericUDFSortMap extends GenericUDF { private MapObjectInspector mapOI; private final Map<Text, Text> sortMap = new LinkedHashMap<Text, Text>(); private ArrayList<Object> keyList = new ArrayList<Object>(); private ArrayList<Object> valueList = new ArrayList<Object>(); @Override public ObjectInspector initialize(ObjectInspector[] arguments) throws UDFArgumentException { if (arguments.length != 3) { throw new UDFArgumentLengthException("The function SORT_MAP only accepts 3 argument. simple: sort_map(map,'key','desc')"); } else if (!(arguments[0] instanceof MapObjectInspector) || !(arguments[1] instanceof ObjectInspector) || !(arguments[2] instanceof ObjectInspector)) { throw new UDFArgumentTypeException(0, "\"" + Category.MAP.toString().toLowerCase() + "\" is expected at function SORT_MAP, " + "but \"" + arguments[0].getTypeName() + " or " + arguments[1].getTypeName() + " or " + arguments[2].getTypeName() + "\" is found"); } mapOI = (MapObjectInspector) arguments[0]; return ObjectInspectorFactory.getStandardMapObjectInspector( PrimitiveObjectInspectorFactory.writableStringObjectInspector, PrimitiveObjectInspectorFactory.writableStringObjectInspector); } @Override public Object evaluate(DeferredObject[] arguments) throws HiveException { sortMap.clear(); keyList.clear(); valueList.clear(); Object mapObj = arguments[0].get(); String key_valueObj = ((Text)arguments[1].get()).toString(); String orderObj = ((Text)arguments[2].get()).toString(); keyList.addAll(mapOI.getMap(mapObj).keySet()); valueList.addAll(mapOI.getMap(mapObj).values()); Map<Text,Text> inputMap = new HashMap<Text, Text>(); //put keys and values for (int i = 0; i < keyList.size(); i++) { inputMap.put(new Text(keyList.get(i).toString()), new Text(valueList.get(i).toString())); } if (key_valueObj.equals("key")) { sortMap.putAll(sortMayByKey(inputMap, orderObj)); return sortMap; }else { sortMap.putAll(sortMapByValue(inputMap, orderObj)); return sortMap; } } @Override public String getDisplayString(String[] children) { return "map(" + children[0] + ")"; } public static Map<Text, Text> sortMapByValue(Map<Text, Text> map, final String order) { Map<Text, Text> sortMap = new LinkedHashMap<Text, Text>(); List<Map.Entry<Text, Text>> list_Data = new ArrayList<Map.Entry<Text, Text>>(map.entrySet()); // 通过Collections.sort(List I,Comparator c)方法进行排序 Collections.sort(list_Data, new Comparator<Map.Entry<Text, Text>>() { @Override public int compare(Entry<Text, Text> o1, Entry<Text, Text> o2) { if (order.equals("asc")) { return o1.toString().compareTo(o2.toString()); } else { return o2.toString().compareTo(o1.toString()); } } }); // put the sorted map for (Entry<Text, Text> entry : list_Data) { sortMap.put(entry.getKey(), entry.getValue()); } return sortMap; } public static Map<Text, Text> sortMayByKey(Map<Text, Text> map, final String order) { Map<Text, Text> sortMap = new LinkedHashMap<Text, Text>(); List<Text> arrayList = new ArrayList<Text>(map.keySet()); Collections.sort(arrayList, new Comparator<Text>() { @Override public int compare(Text o1, Text o2) { if (order.equals("asc")) { return o1.toString().compareTo(o2.toString()); }else { return o2.toString().compareTo(o1.toString()); } } }); //将排序好的key返回 for (Text key : arrayList) { sortMap.put(key, map.get(key)); } return sortMap; } }
HIVE 中 MAP排序,根据key或者value,“DESC”或者“ASC”进行Map排序。
例子:
SELECT sort_map(map,'key','desc') FROM TABLE;
相关推荐
Hive中,Map任务的数量由`mapred.min.split.size`和`mapred.max.split.size`这两个参数决定。默认情况下,`mapred.min.split.size`为1B,`mapred.max.split.size`为256MB,这意味着一个Map任务处理的数据量上限为256...
### Hive:一种基于Map-Reduce的数据仓库解决方案 #### 一、引言 随着大数据时代的到来,数据集的规模正以前所未有的速度增长。这些数据不仅来自传统的商业领域,也涵盖了社交媒体、物联网等多个新兴领域。面对...
如果设置为true,则Hive将自动将Reduce端的Common Join转化为Map Join,默认值为false。 5. hive.mapred.local.mem 该参数决定了Mapper/Reducer在本地模式的最大内存量,以字节为单位,0为不限制。如果设置为0,则...
在大数据处理领域,Hive是一个非常重要的工具,它提供了一个基于Hadoop的数据仓库基础设施,用于数据查询、分析和管理大规模数据集。本教程将详细讲解如何在Linux环境下安装Hive客户端,以便进行数据操作和分析。 ...
Hive 优化方法整理是 Hive 数据处理过程中的重要步骤,涉及到 Hive 的类 SQL 语句本身进行调优、参数调优、Hadoop 的 HDFS 参数调优和 Map/Reduce 调优等多个方面。 Hive 类 SQL 语句优化 1. 尽量尽早地过滤数据...
"HIVE安装及详解" HIVE是一种基于Hadoop的数据仓库工具,主要用于处理和分析大规模数据。下面是关于HIVE的安装及详解。 HIVE基本概念 HIVE是什么?HIVE是一种数据仓库工具,主要用于处理和分析大规模数据。它将...
2. **Operator**:处理特定数据流的操作符,如过滤、排序等。 3. **ExprNodeEvaluator**:用于评估表达式的值。 #### 对象模型 Hive使用了丰富的对象模型来表示其内部状态和数据流,这些对象包括但不限于: - **...
**SpringBoot整合Hive-JDBC详解** 在大数据处理领域,Hadoop生态中的Hive作为一个数据仓库工具,常常用于处理大规模的数据分析任务。而SpringBoot作为Java开发中的微服务框架,以其简洁的配置和快速的开发能力深受...
1. **全排序**:Hive 的 `SORT BY` 只能在单机范围内排序,而 `ORDER BY` 实现全局排序,需谨慎使用。 2. **笛卡尔积**:在严格模式下,Hive 不允许笛卡尔积,可以通过添加 Join Key 或使用 MapJoin 避免。 3. **...
- **Distinct的实现原理**:对于单个Distinct字段,Hive会在Map阶段将Group By字段与Distinct字段组合成key,通过Reduce阶段的LastKey机制去重。而对于多个Distinct字段,可以通过两种方法实现:一是使用Hash去重,...
- 内存参数:如mapreduce.map.memory.mb、hive.server2.executor.memory.overhead等,合理设置可避免内存溢出。 - 执行引擎与优化器:可以选择Tez或Spark作为执行引擎,优化查询计划以提高性能。 - 其他参数:如...
在大数据处理领域,Apache Hive是一个基于Hadoop的数据仓库工具,它允许用户使用SQL(HQL,Hive Query Language)查询存储在Hadoop集群中的大型数据集。Hive JDBC(Java Database Connectivity)是Hive提供的一种...
在这一讨论中,将详细介绍Hive中的六种join策略,这些策略包括Common Join、Map Join、AutoMap Join、Bucket Map Join、Bucket Sort Merge Map Join和Skew Join。 ***mon Join(普通Join) 普通join是最基本的join...
hive 基本操作的命令和hive 实用命令等,有利与学习hive和mysql
在大数据领域,Apache Ambari 是一个用于 Hadoop 集群管理和监控的开源工具,而 Hive 是一个基于 Hadoop 的数据仓库系统,用于处理和分析大规模数据集。本话题聚焦于如何在 Ambari 环境下将 Hive 3.0 升级到 Hive ...
在大数据处理领域,Hive是一个基于Hadoop的数据仓库工具,它允许用户使用SQL(HQL,Hive Query Language)查询和管理存储在Hadoop分布式文件系统(HDFS)中的大量结构化数据。Hive 1.1.0是Hive的一个版本,提供了...
Map 数和 Reduce 数是 Hive 中两个非常重要的参数,直接影响着 Hive 的性能和效率。 1.1、Map 数 Map 数是 Hive 中一个非常重要的参数,影响着数据处理的速度和效率。Map 数太大将导致 Map 阶段输出文件太小,产生...
在IT行业中,Hive是一个基于Hadoop的数据仓库工具,它允许用户使用SQL(HQL,Hive查询语言)对大规模数据集进行分析和处理。Hive文件读写是Hive核心功能之一,使得数据分析师和数据科学家能够方便地对存储在HDFS...
使用hive3.1.2和spark3.0.0配置hive on spark的时候,发现官方下载的hive3.1.2和spark3.0.0不兼容,hive3.1.2对应的版本是spark2.3.0,而spark3.0.0对应的hadoop版本是hadoop2.6或hadoop2.7。 所以,如果想要使用高...