UDF功能是方便用户对UDF进行分类展示，以及用户可以对个人函数进行管理，共享等。主要包含以下功能：
UDF展示和加载功能：
默认顶层目录是：
a) 平台函数：平台提供的UDF函数，可以在sql，pysaprk，scala，hive脚本的sql语言里面进行使用
b) 系统函数：系统默认已经提供并自动加载了的函数，可以在sql，pysaprk，scala，hive脚本的sql语言里面进行使用
c) 个人函数：个人自己新建立的UDF，包含通用函数，Spark专用函数。
d) 共享函数：科室管理员建立的UDF函数，并共享给其他人使用 除了系统函数外，其他类别的函数都必须点击加载后才能进行使用，而且点击勾选后一定要先kill掉已经启动的会话。 另外勾选加载的UDF，在脚本中也会进行自动补全提示：
udf管理操作在工作空间首页菜单栏进入：
UDF新增函数功能
创建一个UDF，主要在于做好前期的UDF代码的准备。步骤主要如下：
-
建立通用UDF，需要先编译好相应的Jar包。这里的通用是指Hive的hql和Spark的sql都可以用
-
建立Spark专用的UDF，需要先建立好相应的py脚本或者scala脚本，为了使用的正确性，最好测试下相应的脚本
在开发建立该UDF:
通用UDF：需要勾选通用，并选择对应的jar包路径，填写UDF的全类路径，填写使用格式和描述：
Spark专用--scala脚本：需要勾选Spark，并选择对应的scala脚本，填写注册格式（填写相应脚本中的函数名）：
Spark专用--Python脚本： 需要勾选Spark，并选择对应的python脚本，填写注册格式（填写相应脚本中的函数名）：
Scala和Python函数写法
PythonUDF建立方式，只需要定义一个方法即可，对应的脚本只能与该方法有关的内容：
def hello(id):
return str(id) + ":hello"
Scala和Python函数写法：
def helloWorld(str: String): String = "hello, " + str
注意：PythonUDF和ScalaUDF只能在Spark引擎对应的脚本中使用