UDF示例：复杂数据类型

Java UDF 代码示例

package com.aliyun; // package名称，可以根据您的情况定义

import com.aliyun.odps.data.Struct;
import com.aliyun.odps.udf.UDF;
import com.aliyun.odps.udf.annotation.Resolve;

import java.text.SimpleDateFormat;
import java.util.*;

@Resolve("struct<input_name:string, input_timestamp:bigint>->map<string,string>")
public class ComplexDataTypeExample extends UDF{
    private static final String PATTERN = "yyyy-MM-dd HH:mm:ss";

    /**
     * 将时间戳列表转换为时间字符串列表
     * @param timestamps 时间戳列表
     * @return 时间字符串列表
     */
    public List<String> evaluate(List<Long> timestamps) {
        if (timestamps == null) {
            return null;
        }
        List<String> result = new ArrayList<>();
        SimpleDateFormat formatter = new SimpleDateFormat(PATTERN);
        for (Long timestamp : timestamps) {
            Date date = new Date(timestamp < 9999999999L ? timestamp * 1000 : timestamp);
            String dateString = formatter.format(date);
            result.add(dateString);
        }
        return result;
    }

    /**
     * 将时间戳map转换为时间字符串map
     * @param timestamps 时间戳map，其中value为时间戳
     * @return 时间字符串map
     */
    public Map<String, String> evaluate(Map<String, Long> timestamps) {
        if (timestamps == null) {
            return null;
        }
        Map<String, String> result = new HashMap<>(timestamps.size());
        SimpleDateFormat formatter = new SimpleDateFormat(PATTERN);
        for (String key : timestamps.keySet()) {
            Long timestamp = timestamps.get(key);
            Date date = new Date(timestamp < 9999999999L ? timestamp * 1000 : timestamp);
            String dateString = formatter.format(date);
            result.put(key, dateString);
        }
        return result;
    }

    /**
     * 将时间戳转换为时间字符串
     * @param input 时间戳Struct
     * @return 时间字符串Struct
     */
    public Map<String, String> evaluate(Struct input) {
        if (input == null) {
            return null;
        }
        SimpleDateFormat formatter = new SimpleDateFormat(PATTERN);
        String nameValue = (String) input.getFieldValue("input_name");
        Long timestampValue = (Long) input.getFieldValue("input_timestamp");
        Date date = new Date(timestampValue < 9999999999L ? timestampValue * 1000 : timestampValue);
        String dateString = formatter.format(date);
        Map<String, String> result = new HashMap<>(8);
        result.put("output_name", nameValue);
        result.put("output_time", dateString);
        return result;
    }
}

示例代码中，定义了3个重载的evaluate方法。其中：

• 第一个用ARRAY作为参数，ARRAY对应java.util.List。

• 第二个用MAP作为参数，MAP对应java.util.Map。

• 第三个用STRUCT作为参数，STRUCT对应com.aliyun.odps.data.Struct。

  说明

  com.aliyun.odps.data.Struct无法通过反射分析获取到field name和field type，需要辅助使用@Resolve annotation，即如果您需要在UDF中使用STRUCT，要求在UDF class上也标注上@Resolve注解，该注解只会影响参数或返回值中包含com.aliyun.odps.data.Struct的重载。

使用Java语言编写UDF代码必须继承UDF类，本例中evaluate方法定义了三个string类型的入参和string类型的返回值，输入参数和返回值的数据类型将作为SQL语句中UDF的函数签名Signature，其他代码规范和要求请参考：UDF开发规范与通用流程（Java）。

Python3 UDF 代码示例

下面示例中输入数据类型为map<string，bigint>，该示例代码在本文中将注册为自定义函数：UDF_COMPLEX_DATA_MAP。

from odps.udf import annotate
import datetime
@annotate('map<string,bigint>->map<string,datetime>')
class MapExample:
    def evaluate(self, intput_dict):
        output_dict = dict()
        for key in intput_dict:
            value = intput_dict[key]
            t = datetime.datetime.fromtimestamp(value)
            output_dict[key] = t
        return output_dict

下面示例中输入数据类型为array<bigint>，该示例代码在本文中将注册为自定义函数：UDF_COMPLEX_DATA_ARRAY。

from odps.udf import annotate
import datetime
@annotate('array<bigint>->array<datetime>')
class ArrayExample:
    def evaluate(self, intput_list):
        output_list = list()
        for item in intput_list:
            t = datetime.datetime.fromtimestamp(item)
            output_list.append(t)
        return output_list

下面示例中输入数据类型为struct<input_name:string,input_timestamp:bigint>，该示例代码在本文中将注册为自定义函数：UDF_COMPLEX_DATA_STRUCT。

from odps.udf import annotate
import datetime, collections
@annotate('struct<input_name:string,input_timestamp:bigint>->struct<output_name:string,output_time:datetime>')
class StructExample:
    def evaluate(self, intput_namedtuple):
        OutputNamedTuple = collections.namedtuple('output_namedtuple', ['output_name', 'output_time'])
        name_val = intput_namedtuple.input_name
        time_val = datetime.datetime.fromtimestamp(intput_namedtuple.input_timestamp)
        output_namedtuple = OutputNamedTuple(name_val, time_val)
        return output_namedtuple

MaxCompute默认使用Python 2，可以在Session级别使用命令set odps.sql.python.version=cp37开启Python 3。更多python3 UDF规范请参考：UDF开发规范与通用流程（Python3）。