經常在數據開發中需要搞udf，最近發現transform更加方便易用，但是經常會涉及到集群python版本不一、包不全或者部分機器上沒有安裝python。

所以咱們需要快速的進行環境配置。

因為mac自帶安裝好的python，所以就不講怎么安裝了。可以去官網下個： https://www.python.org/downloads/source/

1、安裝虛擬環境工具：

執行：pip install virtualenv，如果沒有pip的話可以google一把，自行安裝

2、創建虛擬環境：

新建一個目錄，各種環境文件放里面：

midir envs

cd 到該目錄下，創建python虛擬環境:

virtualenv python-env

創建完了可以看到會新增一個python-env文件夾。

如果你對python版本有要求，也可以指定python版本進行創建：

virtualenv -p /usr/bin/python2.7 python-env

3、在新的虛擬環境安裝自己需要的包：

激活虛擬環境：

source python-env/bin/activate

這時候在這個環境下安裝的py包都是在該環境下的，可以用pip install進行安裝

例如：pip install pyhs2

(安裝pyhs2的時候出現異常 Cannot uninstall 'six'. It is a distutils installed project，直接跳過 sudo pip install pyhs2 --ignore-installed six)

退出虛擬環境：

deactivate

4、修改文件配置：

進入虛擬環境的bin文件夾

修改activate文件內的路徑：

DIR_PATH="$( cd "$( dirname "${BASH_SOURCE[0]}" )" && pwd )"VIRTUAL_ENV="$( readlink -f "${DIR_PATH}/../" )"

5、打包文件：

進入 python-env文件夾內（因為目錄層級少一點）， 打包虛擬環境：

tar -zcf python-env.tgz *

檢查一下打包文件是否把對應包打進去了，查看打包是否把pyhs2打進去了：

tar -tvf python-env.tgz |grep "pyhs2"

6、如何引用python環境

新建shell文件例如test.sh,代碼如下:

source ./python-env.tgz/bin/activatepython test_transform.py

寫好 test_ transform 的代碼，例如簡單的計算(不要糾結案例的業務邏輯)：

# -*- coding: utf-8 -*-import sysdef main():  data_list = sys.stdin.readlines()  # 獲取id循環次數,除數-1,結果加+1  n = (data_list.__len__() - 1)/20 + 1  j = 1  while j <= n:    id_lists = data_list[(j - 1) * 20:j * 20]    ids = []    for id in id_lists:      ids.append(id.strip())    j += 1    for id in ids:      result=[id,str(id*100),str(id+10)]    print '/t'.join(str(e) for e in result)if __name__ == "__main__":  main()

把python-env.tgz、 test.sh、test_ transform.py 上傳至集群的hdfs上，例如在：hdfs:///user/tmp

7、hive引用transfrom：

進入hive客戶端后，加載上述文件：

ADD ARCHIVE hdfs:///user/tmp/python-env.tgz;ADD FILE hdfs:///user/tmp/test.sh;ADD FILE hdfs:///user/tmp/test_transform.py;