Propriétés du tWindow pour Apache Spark Streaming - 7.3

Traitement (Processing) (Intégration)

Version
7.3
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 Processing (Intégration)
Gouvernance de données > Systèmes tiers > Composants Processing (Intégration)
Qualité et préparation de données > Systèmes tiers > Composants Processing (Intégration)
Last publication date
2024-03-05

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

Le composant tWindow Spark Streaming appartient à la famille Processus en cours.

La version Streaming de ce composant est disponible dans Talend Real Time Big Data Platform et dans Talend Data Fabric.

Basic settings

Window duration

Saisissez, sans guillemet, la durée (en millisecondes) de la fenêtre à appliquer.

Par exemple, si la taille du batch définie dans l'onglet de configuration Spark est de 2 secondes, la durée de la fenêtre de 6 secondes couvre 3 batchs à chaque application de cette fenêtre.

Define the slide duration

Cochez la case Define the slide duration. Dans le champ qui s'affiche, saisissez, sans guillemet, l'intervalle de temps (en millisecondes) à la fin duquel la fenêtre est appliquée.

Par exemple, si la taille du batch définie dans l'onglet Spark configuration est de 2 secondes, la fenêtre glissante de 4 secondes signifie que celle-ci est appliquée toutes les 4 secondes. Si la durée de la fenêtre est de 6 secondes, toutes les deux applications de la fenêtre, un chevauchement d'un batch se produit.

Si vous laissez cette case décochée, la durée de la fenêtre glissante prise en compte est celle de la taille du batch définie dans l'onglet Spark configuration.

La durée de la fenêtre et sa durée de glissement doivent être des multiples de la taille du batch définie dans l'onglet Spark configuration.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

Ce composant ne modifie pas le schéma de données mais contrôle le rythme du traitement des micro batchs via la fenêtre spécifique.

Ce composant, ainsi que les composants Spark Streaming de la Palette à laquelle il appartient, s'affichent uniquement lorsque vous créez un Job Spark Streaming.

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 Qubole, ajoutez tS3Configuration à votre Job pour écrire vos données métier dans le système S3 avec Qubole. Sans tS3Configuration, ces données métier sont écrites dans le système Qubole HDFS et détruites une fois que vous arrêtez votre cluster.
    • 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.