背景

Hive SQL 代码的可读性一直是个问题哈，因为业务比较复杂，一般情况下写出来的代码也会很冗长，存在重复的逻辑，本篇通过一个工作过程中的示例来优化一下重复逻辑的问题，希望能够写出可读性更好的代码。

重复代码及问题

通过股票代码来判断所属市场，代码片段如下：

.....
 CASE 
  WHEN substr( a.symbol, 1, 3 ) = '000' THEN
  '深圳主板' 
  WHEN substr( a.symbol, 1, 3 ) = '001' THEN
  '深圳主板' 
  WHEN substr( a.symbol, 1, 3 ) = '002' THEN
  '中小企业板' 
  WHEN substr( a.symbol, 1, 3 ) = '003' THEN
  '中小企业板' 
  WHEN substr( a.symbol, 1, 3 ) = '004' THEN
  '中小企业板' 
  WHEN substr( a.symbol, 1, 3 ) = '688' THEN
  '科创板' 
  WHEN substr( a.symbol, 1, 2 ) = '30' THEN
  '创业板' 
  WHEN substr( a.symbol, 1, 2 ) = '60' THEN
  '上海主板' 
  WHEN substr( a.symbol, 1, 1 ) IN ( '4', '8' ) THEN
  '三板' 
 END AS mar_plate
.....

重复代码带来最大的问题就是可维护性，如果上面的代码在多个地方拷贝过，当逻辑需要修改时，要同时修改多处，如果有一处遗漏，就会出现 bug，排查起问题来是非常困难的，把自己坑死～

解决方案

自定义函数

重复的逻辑最先想到的是通过自定义函数来解决这个问题，此时就可以考虑使用用户自定义函数（UDF：user-defined function）

根据用户自定义函数类别分为以下三种：

1. UDF（User-Defined-Function）一进一出

2. UDAF（User-Defined Aggregation Function）聚集函数，多进一出，类似于：count/max/min

3. UDTF（User-Defined Table-Generating Functions）一进多出，如 lateral view explore()

自定义函数编程步骤：

• 第一步：创建 Maven Java 工程，导入 jar 包
• 第二步：继承 org.apache.hadoop.hive.ql.UDF，并重载 evaluate 方法
• 第三步：将项目打包，并上传到 Hive 的 lib 目录下
• 第四步：添加上传后的 jar 包
• 第五步：设置函数与自定义函数关联

但是像我们遇到的问题，并不是真正需要 UDF，而且 UDF 有更新维护也挺麻烦的，我们只是需要把一些繁琐、结构简单的逻辑封装起来以便重复在多个地方使用。

宏

宏可以看做是一个简短的函数，或者是对一个表达式取别名，同时可以将这个表达式中的一些值作为变量调用时传入，比较适合于需要用到很多次的表达式操作进行封装，然后取个简短点的别名来调用，省去了定义函数的复杂步骤哈。

创建一个宏，通过股票代码来判断所属市场

DROP TEMPORARY MACRO
IF
 EXISTS getMarPlate;
CREATE TEMPORARY MACRO getMarPlate ( symbol string )
CASE
  
  WHEN substr( symbol, 1, 3 ) = '000' THEN
  '深圳主板' 
  WHEN substr( symbol, 1, 3 ) = '001' THEN
  '深圳主板' 
  WHEN substr( symbol, 1, 3 ) = '002' THEN
  '中小企业板' 
  WHEN substr( symbol, 1, 3 ) = '003' THEN
  '中小企业板' 
  WHEN substr( symbol, 1, 3 ) = '004' THEN
  '中小企业板' 
  WHEN substr( symbol, 1, 3 ) = '688' THEN
  '科创板' 
  WHEN substr( symbol, 1, 2 ) = '30' THEN
  '创业板' 
  WHEN substr( symbol, 1, 2 ) = '60' THEN
  '上海主板' 
  WHEN substr( symbol, 1, 1 ) IN ( '4', '8' ) THEN
  '三板' 
 END

前面的 SQL 就可以简化成下面的样子

......
getMarPlate(a.symbol) AS mar_plate
......

使用宏对这段逻辑进行提炼，起到优化开发效率、提升程序可读性的效果。

工作中常用的宏的场景：有关空值的处理，时间处理，数值计算，只要发现有类似的逻辑被反复调用，就可以考虑这种方式。

如果觉得还有帮助的话，你的关注和转发是对我最大的支持，O(∩_∩)O: