Propriétés du tElasticSearchOutput pour Apache Spark Batch - 7.0

ElasticSearch

EnrichVersion
7.0
EnrichProdName
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Real-Time Big Data Platform
EnrichPlatform
Studio Talend
task
Création et développement > Systèmes tiers > Composants ElasticSearch
Gouvernance de données > Systèmes tiers > Composants ElasticSearch
Qualité et préparation de données > Systèmes tiers > Composants ElasticSearch

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

Le composant tElasticSearchOutput Spark Batch appartient à la famille ElasticSearch.

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

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.

 

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.

 

Modifiez le schéma en cliquant sur Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :

  • View schema : sélectionnez cette option afin de voir uniquement le schéma.

  • Change to built-in property : sélectionnez cette option pour passer le schéma en mode Built-In et effectuer des modifications locales.

  • Update repository connection : sélectionnez cette option afin de modifier le schéma stocké dans le référentiel et décider de propager ou non les modifications à tous les Jobs. Si vous souhaitez propager les modifications uniquement au Job courant, cliquez sur No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre [Repository Content].

Use an existing configuration

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.

Nodes

Saisissez l'emplacement du cluster hébergeant le système Elasticsearch à utiliser.

Index

Saisissez le nom de l'index dans lequel écrire les documents.

L'index est la plus grande unité de stockage dans le système Elastisearch.

Type

Saisissez le nom du type auquel appartiennent les documents à écrire.

Par exemple, blogpost_en et blogpost_fr peuvent être deux types représentant des articles de blogs en anglais et en français, respectivement.

Vous pouvez dynamiquement utiliser les valeurs d'une colonne donnée pour qu'elles soient des types de documents. Si vous devez les utiliser ainsi, saisissez le nom de la colonne entre accolades ({}), par exemple, {blog_author}.

Output document

Choisissez comment écrire le document dans Elasticsearch.

  • JAVABEAN : si vous sélectionnez cette option, le tElasticsearchOutput utilise directement le schéma d'entrée pour construire les chaînes de caractères JSON à écrire.

    Par exemple, si le schéma d'un enregistrement se présente comme suit :
    id name age
    1  user 18
    le document écrit en sortie par l'option JAVABEAN est {"id":1,"name":"user","age":18}.
  • JSON : avec cette option, une colonne json_document en lecture seule est automatiquement ajoutée au schéma de sortie afin de recevoir des chaînes de caractères JSON (documents en termes Elasticsearch) des composants précédents. Cela signifie que vous devez utiliser le tWriteJSONField au sein du même Job afin de construire les chaînes de caractères JSON avant de les écrire en sortie dans le tElasticsearchOutput. Les autres colonnes du schéma peuvent être utilisées comme métadonnées pour ces documents JSON.

    Comme le tWriteJSONField vous permet de construire des arborescences JSON de différentes complexités, vous pouvez gérer comment s'affichent les chaînes de caractères à écrire.

Advanced settings

Document metadata

Renseignez cette table afin de sélectionner les colonnes d'entrée à utiliser pour fournir les métadonnées pour chaque document. Cette table est généralement utilisée avec l'option json_document de la liste Output document dans la vue Basic settings.

La colonne Column est automatiquement alimentée avec les colonnes du schéma d'entrée. Dans la colonne As metadata, vous devez cocher la case correspondant aux colonnes à utiliser.

Dans la colonne Metadata type, sélectionnez le type de métadonnées de document que chaque colonne fournit.

Pour plus d'informations concernant les types de métadonnées d'un document Elasticsearch, consultez https://www.elastic.co/guide/fr/elasticsearch/guide/current/_document_metadata.html.

Use SSL/TLS

Cochez cette case pour activer la connexion chiffrée SSL ou TLS.

Utilisez le composant tSetKeystore dans le même Job afin de spécifier les informations de chiffrement.

Pour plus d'informations concernant le tSetKeystore, consultez tSetKeystore.

Configuration

Ajoutez les paramètres acceptés par ElasticSearch pour effectuer plus d'actions personnalisées.

Par exemple, saisissez es.mapping.id dans la colonne Key et true dans la colonne Value pour que l'ID du document soit contenu dans le nom de la propriété ou du champ. Notez que vous devez saisir des guillemets doubles autour des informations saisies.

Pour la liste des paramètres que vous pouvez utiliser, consultez https://www.elastic.co/guide/fr/elasticsearch/hadoop/master/configuration.html (en anglais).

Utilisation

Règle d'utilisation

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

Ce composant doit utiliser un tElasticSearchConfiguration au sein du même Job pour se connecter à ElasticSearch. Vous devez cocher la case Use an existing configuration et sélectionner le composant tElasticSearchConfiguration à utiliser.

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.

Spark Connection

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 (apercu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
    • Lorsque vous utilisez d'autres distributions, 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 : vous devez choisir le composant de configuration selon le système de fichiers que vous utilisez, comme tHDFSConfiguration ou tS3Configuration.

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