Hive中的transform关键字的使用

transform的作用

hive的TRANSFORM关键字提供了在SQL中调用自写脚本的功能，适合实现HIVE中没有的功能而又不会写UDF的情况

具体实现

需求：将timetamp类型的数据转换成weekday

（1）编写python脚本

vi /root/weekday.py

#!/bin/python
import sys
import datetime

for line in sys.stdin:
  line = line.strip()
  movie,rate,ts,uid = line.split('\t')
  weekday = datetime.datetime.fromtimestamp(float(ts)).isoweekday()
  print '\t'.join([movie,rate,str(weekday),uid])

（2）将python脚本加入到hive的classpath

ADD file /root/weekday.py;

（3）测试transform方式解析数据

SELECT
TRANSFORM(movie,rate,ts,uid)
USING 'python weekday.py'
AS (movieid,rate,weekday,userid)
FROM t_movierate
LIMIT 10
;

（4）定义一张表用来存储最终结果

CREATE TABLE IF NOT EXISTS t_rate_weekday(
movieid int,
rate int,
weekday int,
userid int 
)
ROW format delimited 
fields terminated BY '\t'
;

（5）加载数据

INSERT INTO t_rate_weekday
SELECT
TRANSFORM(movie,rate,ts,uid)
USING 'python weekday.py'
AS (movieid,rate,weekday,userid)
FROM t_movierate
;

　　注意：如果脚本不是Python，而是awk、sed等系统内置命令，可以直接使用，而不用add file。