Hive自定义UDF实现md5算法
Hive发展至今，自身已经非常成熟了，但是为了灵活性，还是提供了各种各样的 插件的方式，只有你想不到的，没有做不到的，主流的开源框架都有类似的机制，包括Hadoop,Solr,Hbase,ElasticSearch,这也是面向抽象编程的好处，非常容易扩展。
最近在使用hive1.2.0的版本，因为要给有一列的数据生成md5签名，便于查重数据使用，看了下hive的官网文档发现是支持的，后来在Hue里面试了下，发现不支持，还以为是Hue的问题于是在后台hive命令行里面试了下，发现同样不支持，官网的文档应该是Hive2.x的了所以不支持也有可能，但也没必要为了使用个md5函数就把hive升级到最新版本，那样有点本末倒置，那就写个UDF解决吧，以前写过Pig的UDF，非常简单，Hive的应该也不会太难，看了官网文档，果然非常easy，下面看下步骤：
（1） 继承UDF类，定义evaluate方法
注意，这里用的是maven项目，只需要引入hive-exec包即可：
<dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-exec</artifactId> <version>1.2.1</version> <scope>provided</scope> </dependency> evaluate方法并不是重写的方法，而是一个新的方法，Pig里面是需要重写exec方法，来完成自定义逻辑的，代码如下：
package com.easy.md5; import com.google.common.base.Strings; import com.google.common.hash.Hashing; import org.apache.hadoop.hive.ql.exec.UDF; /** * Created by qindongliang on 2016/5/23. * Hive自定义UDF，计算md5值 */ public class MD5 extends UDF { /** * @param s 传入参数 * @return md5值 */ public String evaluate(final String s) { if(Strings.isNullOrEmpty(s.trim())){ return null; } return Hashing.md5().hashString(s.trim()).toString(); } } （2）注册Hive的UDF的jar包
程序完成后，打包成jar，然后上传到对应的机器上，开始注册自己的UDF函数，这里有两种方式：
A:临时注册
执行hive命令，进入终端：
add jar /home/hive/udfs/hive-md5-guava-1.0.0.jar; create temporary function md5 as 'com.easy.md5.MD5'; select md5('hadoop'); --结果： 3abb766da6c2c2d7739f3cb7799a4caa B:永久注册（hive0.13之后支持）
在linux上，上传jar包至HDFS中
hadoop fs -put hive-md5-guava-1.0.0.jar /user/tez/ 进入hive终端
CREATE FUNCTION md5 AS 'com.easy.md5.MD5' USING JAR 'hdfs:///user/tez/hive-md5-guava-1.0.0.jar' ; select md5('hadoop'); --结果： 3abb766da6c2c2d7739f3cb7799a4caa --删除临时函数 DROP TEMPORARY FUNCTION [IF EXISTS] function_name; --删除永久函数 DROP FUNCTION [IF EXISTS] function_name; --重新加载函数 hive1.2.0之后支持 RELOAD FUNCTION; 这样就不用每次打开终端都需要注册了
（3）如何在Hue中注册
Hue是一款基于Web可视化提交任务的框架，由python编写，如果想要在hue中，使用自定义的UDF函数，需要稍作配置，否则使用过程中可能会报错，即使你在服务端已经注册过了。
（4） 公众号：我是攻城师（woshigcs） 如有问题，可在后台留言咨询
来源：oschina
链接：https://my.oschina.net/u/1027043/blog/680539