MaxCompute UDF(User Defined Function)即用户自定义函数。MaxCompute产品已经提供多种类型内建函数来满足您的业务需求,当内建函数无法支撑业务实现时,您可以自行编写代码逻辑来创建自定义函数满足多样化需求。本文为您介绍MaxCompute支持的自定义函数类型、应用场景、开发流程及使用说明等信息。

背景信息

广义的UDF定义是自定义标量函数(UDF)、自定义表值函数(UDTF)及自定义聚合函数(UDAF)三种类型的自定义函数的集合。狭义的UDF仅代表用户自定义标量函数。MaxCompute UDF支持的自定义函数类型如下。

自定义函数类型 名称 应用场景
UDF User Defined Scalar Function。用户自定义标量函数。 适用于一进一出业务场景。即其输入与输出是一对一的关系,读入一行数据,输出一个值。
UDTF User Defined Table Valued Function。用户自定义表值函数,又称表格UDF。 适用于一进多出业务场景。即其输入与输出是一对多的关系,读入一行数据,输出多个值可视为一张表。
UDAF User Defined Aggregation Function。用户自定义聚合函数。 适用于多进一出业务场景。即其输入与输出是多对一的关系,将多条输入记录聚合成一个输出值。

除上述自定义函数外,MaxCompute还提供如下针对特殊场景的能力支撑。

自定义函数类型 应用场景
代码嵌入式UDF 当您需要简化MaxCompute UDF操作步骤,并希望能直接查看代码实现逻辑时,您可以直接将Java或Python代码嵌入SQL脚本。
SQL语言定义函数 当您的代码中存在很多相似部分时,可以通过SQL自定义函数实现,提高代码复用率的同时还可以简化操作流程。
开源地理空间UDF 支持在MaxCompute中使用Hive地理空间函数分析空间数据。

使用限制

不支持通过自定义函数访问外网。如果您需要通过自定义函数访问外网,请根据业务情况填写并提交网络连接申请表单,MaxCompute技术支持团队会及时联系您完成网络开通操作。表单填写指导,请参见网络开通流程

注意事项

使用自定义函数时,您需要注意:
  • 在性能上,自定义函数的性能低于内建函数,建议您优先使用内建函数实现相同逻辑的业务需求。
  • 在SQL语句中使用自定义函数时,如果计算的数据量过大并且存在倾斜,会导致作业占用的内存超出默认分配的内存。此时,您可以在Session级别设置set odps.sql.udf.joiner.jvm.memory=xxxx;属性来解决此问题。更多自定义函数常见问题,请参见MaxCompute UDF常见问题
  • 当自定义函数的名称与内建函数的名称相同时,自定义函数会覆盖同名的内建函数。例如,MaxCompute中存在一个名称为CONCAT的自定义函数,则系统默认会调用自定义的CONCAT,不会调用内建函数CONCAT。如果您希望调用内建函数,需要在内建函数前增加::符号,例如select ::concat('ab', 'c');

开发流程

自定义函数(UDF\UDTF\UDAF)的开发流程如下。代码嵌入式UDFSQL语言定义函数开源地理空间UDF的开发流程与此不同,请以对应文档描述为准。

  • 当您使用Java代码编写MaxCompute UDF时,开发流程如下。Java开发流程
    序号 可选/必选步骤 功能介绍 工具平台
    可选 当您使用Maven编写代码时,需要先在Pom文件中添加代码相关SDK依赖,确保后续编写的代码可编译成功。例如开发自定义函数需要添加的SDK依赖为:
    <dependency>
        <groupId>com.aliyun.odps</groupId>
        <artifactId>odps-sdk-udf</artifactId>
       <version>0.29.10-public</version>
    </dependency>
    您可以从Maven库中搜索odps-sdk-udf,获取SDK依赖版本信息。
    IntelliJ IDEA(Maven)
    必选 根据业务需求,编写自定义函数代码。 IntelliJ IDEA(Maven)、MaxCompute Studio
    必选 通过本地运行或单元测试方式调试自定义函数,查看运行结果是否符合预期。
    必选 调试自定义函数代码,确保本地运行成功后打包为JAR包。
    必选 将JAR包作为资源上传至MaxCompute项目。 MaxCompute客户端(odpscmd)MaxCompute StudioDataWorks
    必选 基于上传的JAR包资源创建自定义函数。
    可选 在查询数据代码中调用自定义函数。
  • 当您使用Python代码编写MaxCompute UDF时,开发流程如下。Python开发流程
    序号 可选/必选步骤 功能介绍 工具平台
    必选 根据业务需求,编写自定义函数代码。 MaxCompute Studio
    必选 通过本地运行或单元测试方式调试自定义函数,查看运行结果是否符合预期。
    必选 将Python文件或依赖的资源(例如文件资源、表资源、第三方包)上传至MaxCompute项目。 MaxCompute客户端(odpscmd)MaxCompute StudioDataWorks
    必选 基于上传的Python文件或依赖的资源创建自定义函数。
    可选 在查询数据代码中调用自定义函数。

使用说明

自定义函数的使用方法如下:
  • 在归属MaxCompute项目中使用自定义函数:使用方法与内建函数类似,您可以参照内建函数的使用方法使用自定义函数。
  • 跨项目使用自定义函数:即在项目A中使用项目B的自定义函数,跨项目分享语句示例:select B:udf_in_other_project(arg0, arg1) as res from table_t;。更多跨项目分享信息,请参见基于Package的跨项目空间资源访问

MaxCompute SDK

MaxCompute提供的SDK信息如下。各SDK中包含的Package,以及Package中的Class详细信息,请参见MaxCompute SDK

SDK名称 描述
odps-sdk-core 提供操作MaxCompute基本资源的类。
odps-sdk-commons Java Util封装。
odps-sdk-udf UDF功能的主体接口。
odps-sdk-mapred MapReduce API。
odps-sdk-graph Graph API。