Hive UDF创建：CREATE FUNCTION与CREATE TEMPORARY FUNCTION的区别

两种创建语法的本质区别集中在生命周期、生效范围、元数据存储位置三个维度，具体差异如下：

• 持久化正式UDF（不带TEMPORARY关键字）
  这类语句创建的是集群级公共函数，函数元数据会直接写入Hive的Metastore持久化存储：
  • 生效范围不受单会话限制，只要没有手动执行DROP FUNCTION删除，不管是新建CLI连接、重启HiveServer2、还是切换其他有权限的账号登录，都可以直接调用这个函数
  • 生产环境使用时必须在创建语句末尾关联对应的jar资源路径，完整写法参考：CREATE FUNCTION country AS 'com.hiveudf.employeereview.Country' USING JAR 'hdfs:///opt/jars/hiveudf.jar'; 这种写法会在任务执行时自动从HDFS拉取对应jar包，不会出现集群节点找不到类的问题
  • 注意：如果省略USING JAR的关联配置，Hive 2.0及以上版本无法正常完成持久化函数的创建流程
• 会话级临时UDF（带TEMPORARY关键字）
  这类语句创建的是仅当前会话可用的临时函数，完全不会写入Metastore的持久化存储：
  • 生效范围严格绑定当前Hive会话，一旦退出CLI、断开和HiveServer2的连接、或者会话因闲置超时被回收，这个函数就会自动失效，其他用户、其他新建的会话完全看不到这个临时函数
  • 适合本地调试函数逻辑、单次临时跑数据清洗任务的场景，不需要手动清理残留定义，不会污染集群的公共函数列表
  • 注意：如果当前会话里创建了和已有持久化UDF同名的临时函数，当前会话内会优先调用临时版本的函数逻辑

补充实操常见注意事项：

• 不管创建哪种类型的UDF，执行创建语句前都需要先运行ADD JAR <本地或HDFS路径的jar包>，把对应依赖加入当前会话的类加载路径，否则会直接报找不到UDF实现类的错误
• 项目内长期复用的数据整理函数，尽量创建为持久化UDF统一维护，不要每个任务会话手动重复创建临时UDF，避免出现函数版本不一致、漏加依赖的问题

内容的提问来源于stack exchange，提问作者Rishabh Tiwari