Propriétés du tJMSInput pour Apache Spark Streaming - Cloud - 8.0

JMS

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 Messaging (Intégration) > Composants JMS
Gouvernance de données > Systèmes tiers > Composants Messaging (Intégration) > Composants JMS
Qualité et préparation de données > Systèmes tiers > Composants Messaging (Intégration) > Composants JMS
Last publication date
2024-02-21

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

Le composant tJMSInput Spark Streaming appartient à la famille Messaging.

Ce composant est disponible dans Talend Real-Time Big Data Platform et dans Talend Data Fabric.

Basic settings

Module List

Sélectionnez dans cette liste la bibliothèque à utiliser.

Context Provider

Saisissez l'URL de contexte, par exemple com.tibco.tibjms.naming.TibjmsInitialContextFactory. Attention cependant, la syntaxe peut varier selon le serveur JMS utilisé

Server URL

Saisissez l'URL du serveur en respectant la syntaxe, par exemple tibjmsnaming://localhost:7222.

Connection Factory JDNI Name

Saisissez le nom JDNI.

Use Specified User Identity

Si vous devez vous identifier, cochez la case et saisissez votre nom d'utilisateur ou d'utilisatrice et votre mot de passe.

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.

Message Type

Sélectionnez le type de message, Topic ou Queue.

Message From

Saisissez la source du message, telle qu'attendue par le serveur. Celle-ci peut être composée du type et du nom de la source, par exemple : queue/A ou topic/testtopic.

Notez que ce champ est sensible à la casse.

Timeout for Next Message (in sec)

Renseignez le délai (en secondes) avant de passer au message suivant.

Maximum Messages

Saisissez le nombre maximal de messages à traiter.

Message Selector Expression

Spécifiez votre filtre.

Processing Mode

Sélectionnez le mode de traitement des messages :

Raw Message : message brut, ou Message Content : contenu du message.

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.

Le schéma de ce composant est en lecture seule. Vous pouvez cliquer sur Edit schema afin de visualiser le schéma.

Advanced settings

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.

Properties

Cliquez sur le bouton [+] sous le tableau afin d'ajouter des lignes contenant le nom et le mot de passe de l'utilisateur ou de l'utilisatrice requis à l'authentification.

Utilisation

Règle d'utilisation

Ce composant est utilisé en tant que composant de début et nécessite un lien de sortie.

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 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.