如何给Apache Pig自定义UDF函数？

共计 3438 个字符，预计需要花费 9 分钟才能阅读完成。

近日由于工作所需，需要使用到 Pig 来分析线上的搜索日志数据，本人本打算使用 hive 来分析的，但由于种种原因，没有用成，而 Pig（pig0.12-cdh）本人一直没有接触过，所以只能临阵磨枪了，花了两天时间，大致看完了 pig 官网的文档，在看文档期间，也是边实战边学习，这样以来，对 pig 的学习，会更加容易，当然本篇不是介绍如何快速学好一门框架或语言的文章，正如标题所示，本人打算介绍下如何在 Pig 中，使用用户自定义的 UDF 函数，关于学习经验，本人会在后面的文章里介绍。

一旦你学会了 UDF 的使用，就意味着，你可以以更加灵活的方式来使用 Pig，使它扩展一些为我们的业务场景定制的特殊功能，而这些功能，在通用的 pig 里是没有的，举个例子：

你从 HDFS 上读取的数据格式，如果使用默认的 PigStorage（）来加载，存储可能只支持有限的数据编码和类型，如果我们定义了一种特殊的编码存储或序列化方式，那么当我们使用默认的 Pig 来加载的时候，就会发现加载不了，这时候我们的 UDF 就派上用场了，我们只需要自定义一个 LoadFunction 和一个 StoreFunction 就可以解决，这种问题。

本篇本人根据官方文档的例子，来实战一下，并在 Hadoop 集群上使用 Pig 测试通过：

我们先来看下定义一个 UDF 扩展类，需要几个步骤：

项目工程截图如下：

核心代码如下：

package com.pigudf; 

•  
• import java.io.IOException; 
•  
• import org.apache.pig.EvalFunc; 
• import org.apache.pig.data.Tuple; 
• import org.apache.pig.impl.util.WrappedIOException; 
• /** 
•  * 自定义 UDF 类, 对字符串转换大写 
•  * @author qindongliang 
•  * */ 
• public class MyUDF extends EvalFunc<String> {
•  
•     @Override 
•     public String exec(Tuple input) throws IOException {
•          
•          // 判断是否为 null 或空，就跳过 
•         if(input==null||input.size()==0){
•             return null; 
•         } 
•         try{
•             // 获取第一个元素 
•             String str=(String) input.get(0); 
•             // 转成大写返回 
•             return str.toUpperCase(); 
•              
•         }catch(Exception e){
•             throw WrappedIOException.wrap(“Caught exception processing input row “,e); 
•         } 
•     } 
•      
•  
• } 

关于打包的 ant 脚本，散仙会在文末上传附件，下面看下造的一些测试数据（注意，文件一定要上传到 HDFS 上，除非你是 local 模式）： 

我们在看下，操作文件和 jar 包是放在一起的： 

最后，我们看下 pig 脚本的定义： 

最后，我们看下结果，只要过程不出现异常和任务失败，就证明我们的 udf 使用成功： 

结果没问题，我们的 UDF 加载执行成功，如果我们还想将我们的输出结果直接写入到 HDFS 上，可以在 pig 脚本的末尾，去掉 dump 命令，加入 
store e into ‘/tmp/dongliang/result/’; 将结果存储到 HDFS 上，当然我们可以自定义存储函数，将结果写入数据库，Lucene，Hbase 等关系型或一些 NOSQL 数据库里。

Pig 的安装与测试 http://www.linuxidc.com/Linux/2014-07/104039.htm

Pig 安装与配置教程 http://www.linuxidc.com/Linux/2013-04/82785.htm

Pig 安装部署及 MapReduce 模式下测试 http://www.linuxidc.com/Linux/2013-04/82786.htm

Pig 安装及本地模式测试, 体验 http://www.linuxidc.com/Linux/2013-04/82783.htm

Pig 的安装配置与基本使用 http://www.linuxidc.com/Linux/2013-02/79928.htm

Hadoop Pig 进阶语法 http://www.linuxidc.com/Linux/2013-02/79462.htm