无法从 Spark SQL 使用现有的 Hive 永久 UDF

我之前已经向 hive 注册了一个 UDF。是永久的不是TEMPORARY。它直线工作。

CREATE FUNCTION normaliseURL AS 'com.example.hive.udfs.NormaliseURL' USING JAR 'hdfs://udfs/hive-udfs.jar';

我已将 Spark 配置为使用配置单元元存储。该配置正在运行，因为我可以查询配置单元表。我可以看到 UDF；

In [9]: spark.sql('describe function normaliseURL').show(truncate=False)
+-------------------------------------------+
|function_desc                              |
+-------------------------------------------+
|Function: default.normaliseURL             |
|Class: com.example.hive.udfs.NormaliseURL  |
|Usage: N/A.                                |
+-------------------------------------------+

但是我无法在 sql 语句中使用 UDF；

spark.sql('SELECT normaliseURL("value")')
AnalysisException: "Undefined function: 'default.normaliseURL'. This function is neither a registered temporary function nor a permanent function registered in the database 'default'.; line 1 pos 7"

如果我尝试使用 Spark 注册 UDF（绕过元存储），则无法注册它，这表明它已经存在。

In [12]: spark.sql("create function normaliseURL as 'com.example.hive.udfs.NormaliseURL'")
AnalysisException: "Function 'default.normaliseURL' already exists in database 'default';"

我正在使用 Spark 2.0，hive 元存储 1.1.0。 UDF是scala，我的spark驱动程序代码是python。

我很困惑。

• 我关于 Spark 可以利用元存储定义的永久 UDF 的假设是否正确？
• 我是否在配置单元中正确创建了该函数？

问题是 Spark 2.0 无法执行 JAR 位于 HDFS 上的函数。

Spark SQL：Thriftserver 无法运行已注册的 Hive UDTF https://issues.apache.org/jira/browse/SPARK-18832

一种解决方法是将该函数定义为 Spark 作业中的临时函数，并将 jar 路径指向本地边缘节点路径。然后在同一个 Spark 作业中调用该函数。

CREATE TEMPORARY FUNCTION functionName as 'com.test.HiveUDF' USING JAR '/user/home/dir1/functions.jar'