hive transform函数介绍

hive 提供了通过脚本定制 mapper 和 reducer 的功能，这一功能需要用到 transform 函数。

默认情况下， transform 函数中带入的参数会被用 '\t 分隔开，并且以字符串对方式传入到用户脚本中。输入中 NULL 值会被转换成字符串 '\N'。脚本的输出使用的分隔符也是 '\t'，同时 '\N' 会再次被转化为 NULL。需要注意的是，当 transform 当参数中含有 '\t' 的时候，用户需要手动处理这些 '\t' 以免脚本里面出错。这里是一个使用样例：

FROM (
  FROM pv_users
  TRANSFORM(pv_users.userid, pv_users.date)
  USING 'map_script'
  AS dt, uid
  CLUSTER BY dt) map_output
INSERT OVERWRITE TABLE pv_users_reduced
  TRANSFORM(map_output.dt, map_output.uid)
  USING 'reduce_script'
  AS date, count;

'map_script' 的输出，使用 '\t' 分割开以后，对应到 dt 和 uid 两个字段。默认情况下，如果不指定类型，默认认为是 string 类型的。

这样一来，就通过脚本（shell、python等）实现了UDF的功能。