版本：Latest-3.3

Hive Bitmap UDF

Hive Bitmap UDF 提供了可以直接在 Hive 里使用的 UDF，可用于生成 Bitmap 和执行 Bitmap 运算。

UDF 定义的 Bitmap 格式与 StarRocks 里格式一致，可直接用于导入导出。

适用场景:

原始数据量比较大，直接导入 StarRocks 计算会对 StarRocks 集群产生较大压力。所以希望在 Hive 里计算完生成 Bitmap 后，再导入 StarRocks。
将 StarRocks 里生成的 Bitmap，导出到 Hive，方便其它系统使用。

导入导出格式:

3.1 及以上版本支持 String，Base64，和 Binary 三种格式导入导出。
2.5 和 3.0 版本只支持 String 和 Base64 两种格式导入导出。

支持生成的 Hive Bitmap UDF 函数

com.starrocks.hive.udf.UDAFBitmapAgg

将一列中的多行非 NULL 数值合并成一行 BITMAP 值，等同于 StarRocks 的内置聚合函数 bitmap_agg。
com.starrocks.hive.udf.UDAFBitmapUnion

输入一组 Bitmap 值，求这一组 Bitmap 值的并集，等同于 StarRocks 的内置聚合函数 bitmap_union。
com.starrocks.hive.udf.UDFBase64ToBitmap

将 Base64 编码的字符串转化为 Bitmap，等同于 StarRocks 的内置函数 base64_to_bitmap。
com.starrocks.hive.udf.UDFBitmapAnd

计算两个 Bitmap 的交集，等同于 StarRocks 的内置函数 bitmap_and。
com.starrocks.hive.udf.UDFBitmapCount

统计 Bitmap 中值的个数，等同于 StarRocks 的内置函数 bitmap_count。
com.starrocks.hive.udf.UDFBitmapFromString

将一个逗号分隔的字符串转化为一个 Bitmap，等同于 StarRocks 的内置函数 bitmap_from_string。
com.starrocks.hive.udf.UDFBitmapOr

计算两个 Bitmap 的并集，等同于 StarRocks 的内置函数 bitmap_or。
com.starrocks.hive.udf.UDFBitmapToBase64

将 Bitmap 转换为 Base64 字符串，等同于 StarRocks 的内置函数 bitmap_to_base64。
com.starrocks.hive.udf.UDFBitmapToString

将 Bitmap 转换为逗号分隔的字符串，等同于 StarRocks 的内置函数 bitmap_to_string。
com.starrocks.hive.udf.UDFBitmapXor

计算两个 Bitmap 中不重复元素所构成的集合，等同于 StarRocks 的内置函数 bitmap_xor。

使用方法

在 FE 上编译生成 Hive UDF。
```
./build.sh --hive-udf
```
会在 fe/hive-udf/ 目录下生成一个 JAR 包 hive-udf-1.0.0.jar。

将 JAR 包上传到 HDFS。

hadoop  fs -put -f ./hive-udf-1.0.0.jar hdfs://<hdfs_ip>:<hdfs_port>/hive-udf-1.0.0.jar

Hive 里加载 JAR 包。

hive> add jar hdfs://<hdfs_ip>:<hdfs_port>/hive-udf-1.0.0.jar;

加载 UDF 函数。

hive> create temporary function bitmap_agg as 'com.starrocks.hive.udf.UDAFBitmapAgg';
hive> create temporary function bitmap_union as 'com.starrocks.hive.udf.UDAFBitmapUnion';
hive> create temporary function base64_to_bitmap as 'com.starrocks.hive.udf.UDFBase64ToBitmap';
hive> create temporary function bitmap_and as 'com.starrocks.hive.udf.UDFBitmapAnd';
hive> create temporary function bitmap_count as 'com.starrocks.hive.udf.UDFBitmapCount';
hive> create temporary function bitmap_from_string as 'com.starrocks.hive.udf.UDFBitmapFromString';
hive> create temporary function bitmap_or as 'com.starrocks.hive.udf.UDFBitmapOr';
hive> create temporary function bitmap_to_base64 as 'com.starrocks.hive.udf.UDFBitmapToBase64';
hive> create temporary function bitmap_to_string as 'com.starrocks.hive.udf.UDFBitmapToString';
hive> create temporary function bitmap_xor as 'com.starrocks.hive.udf.UDFBitmapXor';

使用示例

在 Hive 里生成 Bitmap 并通过 Binary 格式导入到 StarRocks

创建 Hive 源数据表。

hive> create table t_src(c1 bigint, c2 bigint) stored as parquet;

hive> insert into t_src values (1,1), (1,2), (1,3), (2,4), (2,5);

hive> select * from t_src;
1       1
1       2
1       3
2       4
2       5

创建 Hive Bitmap 表。

hive> create table t_bitmap(c1 bigint, c2 binary) stored as parquet;

Hive 通过 UDFBitmapAgg 生成 Bitmap，并写入 Bitmap 表。

hive> insert into t_bitmap select c1, bitmap_agg(c2) from t_src group by c1;

创建 StarRocks Bitmap 表。

mysql> create table t1(c1 int, c2 bitmap bitmap_union) aggregate key(c1)  distributed by hash(c1);

通过不同方式导入到 StarRocks。

通过 files 函数导入。

mysql> insert into t1 select c1, bitmap_from_binary(c2) from files (
    "path" = "hdfs://<hdfs_ip>:<hdfs_port>/<hdfs_db>/t_bitmap/*",
    "format"="parquet",
    "compression" = "uncompressed"
    );

通过 Hive Catalog 导入。

mysql> insert into t1 select c1, bitmap_from_binary(c2) from hive_catalog_hms.xxx_db.t_bitmap;

查看结果。

mysql> select c1, bitmap_to_string(c2) from t1;                                                                                                                                                                                                                                   
+------+----------------------+                                                                                                                                                                                                                                                   
| c1   | bitmap_to_string(c2) |
+------+----------------------+
|    1 | 1,2,3                |
|    2 | 4,5                  |
+------+----------------------+

将 StarRocks 里的 Bitmap 导出到 Hive

在 StarRocks 里创建 Bitmap 表，并写入数据。

mysql> create table t1(c1 int, c2 bitmap bitmap_union) aggregate key(c1) buckets 3 distributed by hash(c1);

mysql> select c1, bitmap_to_string(c2) from t1;                                                                                                                                                                                                                                   
+------+----------------------+                                                                                                                                                                                                                                                   
| c1   | bitmap_to_string(c2) |
+------+----------------------+
|    1 | 1,2,3                |
|    2 | 4,5                  |
+------+----------------------+

在 Hive 里创建 Bitmap 表。

hive> create table t_bitmap(c1 bigint, c2 binary) stored as parquet;

通过不同方式导出。

通过 INSERT INTO FILES 导出（binary 格式）。

mysql> insert into files (
    "path" = "hdfs://<hdfs_ip>:<hdfs_port>/<hdfs_db>/t_bitmap/",
    "format"="parquet",
    "compression" = "uncompressed"
) select c1, bitmap_to_binary(c2) as c2 from t1;

通过 Hive Catalog 方式导出（binary 格式）。

mysql> insert into hive_catalog_hms.<hdfs_db>.t_bitmap select c1, bitmap_to_binary(c2) from t1;

在 Hive 里查看结果。

hive> select c1, bitmap_to_string(c2) from t_bitmap;
1       1,2,3
2       4,5

Hive Bitmap UDF

支持生成的 Hive Bitmap UDF 函数​

使用方法​

使用示例​

在 Hive 里生成 Bitmap 并通过 Binary 格式导入到 StarRocks​

将 StarRocks 里的 Bitmap 导出到 Hive​

文档是否有帮助？

支持生成的 Hive Bitmap UDF 函数

使用方法

使用示例

在 Hive 里生成 Bitmap 并通过 Binary 格式导入到 StarRocks

将 StarRocks 里的 Bitmap 导出到 Hive