Propriétés du tJDBCOutput pour Apache Spark Batch - Cloud - 8.0

JDBC

Version
Cloud
8.0
Language
Français
Product
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Data Integration
Talend Data Management Platform
Talend Data Services Platform
Talend ESB
Talend MDM Platform
Talend Real-Time Big Data Platform
Module
Studio Talend
Content
Création et développement > Systèmes tiers > Composants Database (Intégration) > Composants JDBC
Gouvernance de données > Systèmes tiers > Composants Database (Intégration) > Composants JDBC
Qualité et préparation de données > Systèmes tiers > Composants Database (Intégration) > Composants JDBC
Last publication date
2024-03-26

Ces propriétés sont utilisées pour configurer le tJDBCOutput s'exécutant dans le framework de Jobs Spark Batch.

Le composant tJDBCOutput Spark Batch appartient à la famille Bases de données.

Ce composant peut être utilisé pour écrire des données dans une base de données RDS MariaDB, a RDS PostgreSQL ou RDS SQLServer.

Le composant de ce framework est disponible dans tous les produits Talend avec Big Data nécessitant une souscription et dans Talend Data Fabric.

Basic settings

Property type

Peut être Built-In ou Repository.

 

Built-In : aucune propriété n'est stockée de manière centrale.

 

Repository : Sélectionnez le fichier dans lequel sont stockées les propriétés du composant.

Cliquez sur cette icône pour ouvrir l'assistant de connexion à la base de données et stocker les paramètres de connexion configurés dans la vue Basic settings du composant.

Pour plus d'informations concernant la configuration et le stockage des paramètres de connexion à la base de données, consultez Centraliser des métadonnées de base de données.

Use an existing connection

Cochez cette case et sélectionnez le composant de connexion adéquat dans la liste Component list pour réutiliser les paramètres d'une connexion que vous avez déjà définie.

URL JDBC

URL JDBC de la base de données à utiliser. Par exemple, l'URL JDBC de la base de données Amazon Redshift est jdbc:redshift://endpoint:port/database.

Si vous utilisez Spark V1.3, cette URL doit contenir les informations d'authentification, notamment :
jdbc:mysql://XX.XX.XX.XX:3306/Talend?user=ychen&password=talend

Jar du pilote

Renseignez cette table pour charger les pilotes Jar requis. Pour ce faire, cliquez sur le bouton [+], sous la table, pour ajouter autant de lignes que nécessaire, chaque ligne pour un Jar de pilote. Sélectionnez la cellule et cliquez sur le bouton [...] à droite de la cellule pour ouvrir la boîte de dialogue Module, dans laquelle vous pouvez sélectionner le Jar du pilote à utiliser. Par exemple, le pilote Jar RedshiftJDBC41-1.1.13.1013.jar pour la base de données Redshift.

Pour plus d'informations, consultez Importer un pilote de base de données.

Nom de la classe

Saisissez entre guillemets doubles le nom de la classe pour le pilote spécifié. Par exemple, pour le pilote RedshiftJDBC41-1.1.13.1013.jar, le nom à saisir est com.amazon.redshift.jdbc41.Driver.

Username et Password

Saisissez les informations d'authentification de la base de données à laquelle vous devez vous connecter.

Pour saisir le mot de passe, cliquez sur le bouton [...] à côté du champ Password, puis, dans la boîte de dialogue qui s'ouvre, saisissez le mot de passe entre guillemets doubles et cliquez sur OK afin de sauvegarder les paramètres.

Disponible à partir de la version 1.4 de Spark.

Table Name

Nom de la table à écrire. Notez qu'une seule table peut être écrite à la fois.

Schema et Edit schema

Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé line lors du nommage des champs.

Ce composant offre la fonction de schéma dynamique. Cela vous permet de récupérer des colonnes inconnues de fichiers sources ou de copier des lots de colonnes d'une source sans avoir à mapper chaque colonne individuellement. Pour plus d'informations concernant les schémas dynamiques, consultez Schéma dynamique.

Cette fonctionnalité de schéma dynamique est conçue pour permettre de récupérer des colonnes inconnues d'une table. Il est recommandé de l'utiliser uniquement à cet effet et non pour créer des tables.

 

Built-in : le schéma est créé et conservé localement pour ce composant seulement.

 

Repository : le schéma existe déjà et est stocké dans le Repository. Ainsi, il peut être réutilisé dans des Jobs et projets.

Action on data

Sélectionnez une action à effectuer sur les données de la table définie.

  • Insert : ajoute de nouvelles entrées à la table.

  • Update : met à jour les entrées existantes.

  • Insert or update : insère un nouvel enregistrement. Si l'enregistrement avec la référence donnée existe déjà, une mise à jour est effectuée.

  • Update or insert : met à jour l'enregistrement avec la référence donnée. Si l'enregistrement n'existe pas dans le pool d'index, un nouvel enregistrement est inséré.

  • Delete : supprime les entrées correspondant au flux d'entrée.

Les actions suivantes sont disponibles uniquement si vous utilisez votre composant avec l'API Dataset :

  • Append : ajouter les données à la table existante si les données existent déjà.
  • Overwrite : écraser les données dans la table existante.
  • ErrorIfExists : afficher une exception si les données existent déjà.
  • Ignore : laisser le fichier existant tel qu'il est si les données existent déjà.

Arrêter en cas d''erreur

Cochez cette case pour arrêter l'exécution du Job lorsqu'une erreur survient.

Advanced settings

Additional JDBC Parameters

Définissez des propriétés de connexion supplémentaires pour la connexion à la base de données que vous créez. Les propriétés sont séparées par un point-virgule et chaque propriété est une paire clé-valeur. Par exemple, encryption=1;clientname=Talend.

Ce champ n'est pas disponible si la case Use an existing connection est cochée.

Left protected char et Right protected char

Saisissez le symbole réservé à la base de données que vous utilisez, la partie gauche dans Left protected char et la partie droite dans Right protected char, afin que le tJDBCOutput génère des requêtes SQL qui placent correctement ce symbole réservé.

Par exemple, si vous utilisez Oracle, les guillemets doubles (") sont réservés aux noms d'objets. Vous devez donc saisir les symboles de gauche et de droite dans leurs champs respectifs. Pendant l'exécution, le tJDBCOutput place ensuite des guillemets doubles autour des noms d'objets tels qu'un nom de table.

Additional Columns

Cette option vous permet d'effectuer des actions sur les colonnes, à l'exception des actions d'insertion, de mise à jour, de suppression ou qui nécessitent un prétraitement particulier. Cette option n'est pas disponible si vous venez de créer la table de données (que vous l'ayez préalablement supprimée ou non). Cliquez sur le bouton [+] sous la table pour ajouter une ou plusieurs colonne(s), puis configurez les paramètres suivants pour chaque colonne.

 

Name : saisissez le nom de la colonne à modifier ou à insérer.

 

SQL expression : saisissez la déclaration SQL à exécuter pour modifier ou insérer des données dans les colonnes correspondantes.

 

Position : sélectionnez Before, Replace ou After, en fonction de l'action à effectuer sur la colonne de référence.

 

Reference column : saisissez une colonne de référence utilisée pour situer ou remplacer une nouvelle colonne ou celle à modifier.

Use field options

Cochez cette case pour personnaliser une requête, surtout lorsqu'il y a plusieurs actions sur les données.

  • Key in update : cochez cette case dans la colonne sur laquelle se base la mise à jour des données.

  • Key in delete : cochez cette case dans la colonne sur laquelle se base la suppression des données.

  • Updatable : cochez cette case si les données de la colonne peuvent être mises à jour.

  • Insertable : cochez cette case si les données de la colonne peuvent être insérées.

Use Batch

Cochez cette case pour activer le mode de traitement de données par lot.

Cette case est seulement disponible lorsque l'option Insert, Update ou Delete est sélectionnée dans la liste Action on data de la vue Basic settings.

Batch Size

Spécifiez le nombre d'enregistrements à traiter dans chaque lot.

Ce champ est disponible uniquement lorsque la case Use batch mode est cochée.

Connection pool

Dans cette zone, configurez, pour chaque exécuteur Spark, le pool de connexions utilisé pour contrôler le nombre de connexions qui restent ouvertes simultanément. Généralement, les valeurs par défaut données aux paramètres suivants du pool de connexions conviennent à la plupart des cas d'utilisation.

  • Max total number of connections : saisissez le nombre maximal de connexions (actives ou inactives) autorisées à rester ouvertes simultanément.

    Le nombre par défaut est 8. Si vous saisissez -1, vous autorisez un nombre illimité de connexions ouvertes simultanément.

  • Max waiting time (ms) : saisissez le temps maximum d'attente à la fin duquel la réponse à une demande d'utilisation de connexion doit être retournée par le pool de connexions. Par défaut, la valeur est -1, c'est-à-dire un temps illimité.

  • Min number of idle connections : saisissez le nombre minimal de connexions inactives (connexions non utilisées) maintenues dans le pool de connexions.

  • Max number of idle connections : saisissez le nombre maximal de connexions inactives (connexions non utilisées) maintenues dans le pool de connexions.

Evict connections

Cochez cette case pour définir les critères de destruction de connexions dans le pool de connexions. Les champs suivants sont affichés une fois la case cochée.

  • Time between two eviction runs : saisissez l'intervalle de temps (en millisecondes) à la fin duquel le composant vérifie le statut des connexions et détruit les connexions inactives.

  • Min idle time for a connection to be eligible to eviction : saisissez l'intervalle de temps (en millisecondes) à la fin duquel les connexions inactives sont détruites.

  • Soft min idle time for a connection to be eligible to eviction : ce paramètre fonctionne de la même manière que l'option Min idle time for a connection to be eligible to eviction mais garde le nombre minimal de connexions inactives, nombre défini dans le champ Min number of idle connections.

Utilisation

Règle d'utilisation

Ce composant est utilisé en tant que composant de fin et requiert un lien d'entrée.

Ce composant nécessite un composant tJDBCConfiguration présent dans le même Job pour se connecter à une base de données. Vous devez déposer un composant tJDBCConfiguration à côté de ce composant et configurer ses propriétés dans l'onglet Basic settings de ce composant pour utiliser le tJDBCConfiguration.

Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch.

Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données.

Connexion à Spark

Dans l'onglet Spark Configuration de la vue Run, définissez la connexion à un cluster Spark donné pour le Job complet. De plus, puisque le Job attend ses fichiers .jar dépendants pour l'exécution, vous devez spécifier le répertoire du système de fichiers dans lequel ces fichiers .jar sont transférés afin que Spark puisse accéder à ces fichiers :
  • Yarn mode (Yarn Client ou Yarn Cluster) :
    • Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration.

    • Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration.

    • Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake Storage (aperçu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
    • Lorsque vous utilisez des distributions sur site (on-premises), utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser le tHDFSConfiguration.

  • Standalone mode : utilisez le composant de configuration correspondant au système de fichiers que votre cluster utilise, comme le tHDFSConfiguration Apache Spark Batch ou le tS3Configuration Apache Spark Batch.

    Si vous utilisez Databricks sans composant de configuration dans votre Job, vos données métier sont écrites directement dans DBFS (Databricks Filesystem).

Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.