apache-spark - 无法使用来自 Spark SQL 的现有 Hive 永久 UDF

Question

我之前在 hive 注册了一个 UDF。不是永久的TEMPORARY .它在直线上工作。

CREATE FUNCTION normaliseURL AS 'com.example.hive.udfs.NormaliseURL' USING JAR 'hdfs://udfs/hive-udfs.jar';

我已将 spark 配置为使用 hive Metastore。配置正在工作，因为我可以查询配置单元表。我可以看到UDF；

In [9]: spark.sql('describe function normaliseURL').show(truncate=False)
+-------------------------------------------+
|function_desc                              |
+-------------------------------------------+
|Function: default.normaliseURL             |
|Class: com.example.hive.udfs.NormaliseURL  |
|Usage: N/A.                                |
+-------------------------------------------+

但是我不能在 sql 语句中使用 UDF；

spark.sql('SELECT normaliseURL("value")')
AnalysisException: "Undefined function: 'default.normaliseURL'. This function is neither a registered temporary function nor a permanent function registered in the database 'default'.; line 1 pos 7"

如果我尝试使用 spark(绕过 Metastore)注册 UDF，则无法注册它，表明它确实已经存在。

In [12]: spark.sql("create function normaliseURL as 'com.example.hive.udfs.NormaliseURL'")
AnalysisException: "Function 'default.normaliseURL' already exists in database 'default';"

我使用的是 Spark 2.0，hive Metastore 1.1.0。 UDF 是 scala，我的 spark 驱动程序代码是 python。

我难住了。

我认为 Spark 可以使用元存储定义的永久 UDF 的假设是否正确？

我是否在 hive 中正确创建了函数？

Answer 1

问题是 Spark 2.0 无法执行 JAR 位于 HDFS 上的函数。

Spark SQL: Thriftserver unable to run a registered Hive UDTF

一种解决方法是将该函数定义为 Spark 作业中的临时函数，其中 jar 路径指向本地边缘节点路径。然后在同一个 Spark 作业中调用该函数。

CREATE TEMPORARY FUNCTION functionName as 'com.test.HiveUDF' USING JAR '/user/home/dir1/functions.jar'