Propriétés du tHiveWarehouseOutput pour Apache Spark Batch - 7.3

Hive

Version
7.3
Language
Français (France)
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 Open Studio for Big Data
Talend Open Studio for Data Integration
Talend Open Studio for ESB
Talend Real-Time Big Data Platform
Module
Studio Talend
Content
Création et développement > Systèmes tiers > Composants Database > Composants Hive
Gouvernance de données > Systèmes tiers > Composants Database > Composants Hive
Qualité et préparation de données > Systèmes tiers > Composants Database > Composants Hive

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

Le composant tHiveWarehouseOutput Spark Batch appartient à la famille Stockage.

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

Sélectionnez la manière de configurer les informations de connexion.

  • Built-In : les paramètres de connexion seront définis localement pour ce composant. Vous devez spécifier manuellement les valeurs pour toutes les propriétés de connexion.

  • Repository : les paramètres de connexion stockés centralement dans le Repository > Metadata seront réutilisés par ce composant. Vous devez cliquer sur le bouton [...] et, dans la boîte de dialogue Repository Content, sélectionnez les détails de connexion à réutiliser. Toutes les propriétés de connexion seront automatiquement renseignées.

Hive Storage Configuration Sélectionnez le composant tHiveWarehouseConfiguration duquel vous souhaitez que Spark utilise les détails de configuration pour se connecter à Hive.
HDFS Storage Configuration

Sélectionnez le composant tHDFSConfiguration duquel vous souhaitez que Spark utilise les détails de la configuration pour se connecter à un système HDFS donné et transférer les fichiers .jar dépendants à ce système HDFS. Ce champ est utile uniquement lorsque vous utilisez une distribution on-premises.

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.

Utilisez toujours des minuscules lors du nommage d'un champ, car le traitement en tâche de fond peut forcer les noms de champs à être en minuscules.

Sélectionnez le type de schéma à utiliser, dans la liste déroulante Schema :
  • 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 Job Designs 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.

Output source Sélectionnez le type de données de sortie que doit écrire le tHiveWarehouseOutput :
  • Hive table : les champs Database et Table name, ainsi que la liste Table format et la case Enable Hive partitions sont affichés. Vous devez saisir les informations relatives concernant la base de données Hive à laquelle se connecter et la table Hive à modifier.

    Par défaut, le format des données de sortie est JSON, mais vous pouvez le modifier en ORC ou Parquet en sélectionnant l'option correspondante dans la liste Table format.

  • ORC file : le champ Output folder est affiché et la liste de configuration du stockage Hive est désactivée, car le fichier ORC doit être stocké dans votre système HDFS hébergeant Hive. Vous devez saisir le répertoire dans lequel les données de sortie sont écrites.

Save mode Sélectionnez le type de modifications à effectuer relatives à la table Hive cible :
  • Create : créer la table Hive cible et écrit des données dans cette table.
  • Append : ajouter des données dans une table existante.
  • Overwrite : écraser les données dans la table existante.

Enable Hive partitions

Cochez la case Enable Hive partitions et, dans la table Partition keys, définissez les partitions pour la table Hive que vous créez ou modifiez. Dans la table Partition keys, sélectionnez les colonnes de schéma d'entrée du tHiveOutput à utiliser comme clés de partitions.

Gardez à l'esprit :
  • Lorsque le type de mode Save mode à utiliser est Append, ce qui signifie que vous ajoutez des données à une table Hive existante, les colonnes de partition sélectionnées dans la table Partition keys doivent déjà être des clés de partitions de la table Hive à mettre à jour.

  • Une table Hive partitionnée créée par le tHiveOutput peut être lue uniquement par le tHiveInput, à cause de limitations liées à Spark. Si vous devez lire votre table partitionnée uniquement à travers Hive, il est recommandé d'utiliser le tHiveRow ou le tHiveCreateTable dans un Job Standard afin de créer cette table et d'utiliser un tHiveOutput pour écrire des données à la suite.

  • Définir des colonnes comme clés de partitions ne modifie pas vos données mais crée uniquement des sous-dossiers à l'aide des clés de partition et met des données dans ces dossiers.

Paramètres avancés

Sort columns alphabetically Cochez cette case pour trier les colonnes du schéma par ordre alphabétique. Si vous laissez cette case décochée, ces colonnes conservent l'ordre défini dans l'éditeur du schéma.

Variables globales

Global Variables

ERROR_MESSAGE : message d'erreur généré par le composant lorsqu'une erreur survient. Cette variable est une variable After et retourne une chaîne de caractères. Cette variable fonctionne uniquement si la case Die on error est décochée, lorsque le composant contient cette case.

Une variable Flow fonctionne durant l'exécution d'un composant. Une variable After fonctionne après l'exécution d'un composant.

Pour renseigner un champ ou une expression à l'aide d'une variable, appuyez sur les touches Ctrl+Espace pour accéder à la liste des variables. À partir de cette liste, vous pouvez choisir la variable que vous souhaitez utiliser.

Pour plus d'informations concernant les variables, consultez le Guide d'utilisation du Studio Talend .

Utilisation

Usage rule

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

Ce composant doit utiliser un composant tHiveWarehouseConfiguration présent dans le même Job pour se connecter à Hive.

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