如何在impala中编写java udf

我想在

Impala

中实现

running total

示例，如下所示：

DATE        |   DAY |   COUNT   |   Total
2014-11-12  |   1   |   12      |   12
2014-11-13  |   2   |   32      |   44
2014-11-14  |   3   |   50      |   94

To solve this problem using Impala, we might need temp variable like in MySql, which Impala does not support.

为此，我想使用JavaUDF将第一行总计与第二行计数相加。这样我就可以得到第二排的总数。我怎么能这样做。请建议。 还请提供将jar添加到

Impala

中的步骤。

---

您的帮助将非常有用。

如果您使用的是Impala 2.0，您可以使用分析（窗口）函数计算运行总数

比如说,

从您的_表中选择日期、日期、计数、累计（按日期排序）

有关分析函数的详细信息，请参见

更新：

不可能使用UDA以您想要的方式实现累积和，这就是“分析/窗口函数”存在的原因。为什么？UDA用于为聚合编写自定义函数，该聚合通过某个表达式对输入行进行分组，并将聚合fn应用于同一组中的所有行，但只为该组生成一个输出行。这有两个问题：

您希望每个输入行都有一个输出行，其中每行的累积和都会更新。考虑下面的聚合查询：

来自mytable的总和（x）； 十,

年龄，按年龄从学生组中计算（*）； 14, 1 15, 10 16、11

请注意，聚合如何“折叠”多行，并对整个集合中的函数（如sum或count）进行求值

计算累计和时，需要在日期对行进行排序。如前所述，聚合将聚合fn应用于具有相同分组表达式的一组行，但它们可以以任何顺序应用。分析函数允许您按指定顺序将函数应用于一组行，这是计算所需累积和所需的顺序

也就是说，在这种情况下，您可以使用自联接来生成所需的累积和。例如：

> select t1.id, sum(t2.id) as csum from tbl t1 inner join tbl t2 on t1.id >= t2.id group by t1.id order by t1.id;
+----+------------+
| id | csum       |
+----+------------+
| 0  | 0          |
| 1  | 1          |
| 2  | 3          |
| 3  | 6          |
| 4  | 10         |
| 5  | 15         |
| 6  | 21         |
| 7  | 28         |
+----+------------+

---

然而，这可能需要昂贵的计算成本，并且更难用SQL表示。理想情况下，您可以升级到Impala 2.0并使用分析功能。

对不起，我应该提到Impala的版本。我目前使用的是AWS EMR现在支持的1.2.4版。