一、背景介紹：
MaxCompute 2.0版本升級后，Java UDF支持的數據類型從原來的BIGINT、STRING、DOUBLE、BOOLEAN擴展了更多基本的數據類型，同時還擴展支持了ARRAY、MAP、STRUCT等復雜類型，以及Writable參數。Java UDF使用復雜數據類型的方法，STRUCT對應com.aliyun.odps.data.Struct。com.aliyun.odps.data.Struct從反射看不出Field Name和Field Type，所以需要用@Resolve注解來輔助。即如果需要在UDF中使用STRUCT，要求在UDF Class上也標注上@Resolve注解。但是當我們Struct類型中的field有很多字段的時候，這個時候需要我們去手動的添加@Resolve注解就不是那么的友好。針對這一個問題，我們可以使用Hive 中的GenericUDF去實現。MaxCompute 2.0支持Hive風格的UDF，部分Hive UDF、UDTF可以直接在MaxCompute上使用。
二、復雜數據類型UDF示例
示例定義了一個有三個復雜數據類型的UDF，其中第一個用ARRAY作為參數，第二個用MAP作為參數，第三個用STRUCT作為參數。由於第三個Overloads用了STRUCT作為參數或者返回值，因此要求必須對UDF Class添加@Resolve注解，指定STRUCT的具體類型。
1.代碼編寫
2.打jar包添加資源
3.創建函數
4.使用UDF函數
三、使用Hive的GenericUDF
這里我們使用Struct復雜數據類型作為示例，主要處理的邏輯是當我們結構體中兩個字段前后沒有差異時不返回，如果前后有差異將新的字段及其值組成新的結構體返回。示例中Struct的Field為3個。使用GenericUDF方式可以解決需要手動添加@Resolve注解。
1.創建一個MaxCompute表
2.表中數據結構如下
查詢數據如下所示：
3.編寫GenericUDF處理邏輯
（1）QSC_DEMOO類
（2）PubSimpleStruct類
3、打jar包，添加資源
4、創建函數
5、測試使用UDF函數
查詢結果如下所示：
注意：
（1）在使用兼容的Hive UDF的時候，需要在SQL前加set odps.sql.hive.compatible=true;語句，set語句和SQL語句一起提交執行。
（2）目前支持兼容的Hive版本為2.1.0，對應Hadoop版本為2.7.2。如果UDF是在其他版本的Hive/Hadoop開發的，則可能需要使用此Hive/Hadoop版本重新編譯。
本文作者：劉-建偉
本文為阿里雲內容，未經允許不得轉載。