Apache Spark BatchのtElasticSearchOutputプロパティ - 7.2

ElasticSearch

Version
7.2
Language
日本語 (日本)
Product
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Real-Time Big Data Platform
Module
Talend Studio
Content
ジョブデザインと開発 > サードパーティーシステム > ElasticSearchコンポーネント
データガバナンス > サードパーティーシステム > ElasticSearchコンポーネント
データクオリティとプレパレーション > サードパーティーシステム > ElasticSearchコンポーネント

このプロパティは、Spark Batchジョブフレームワークで実行するtElasticSearchOutputを設定するために使います。

Spark Batch tElasticSearchOutputコンポーネントはElasticSearchファミリーのコンポーネントです。

このフレームワーク内のコンポーネントは、ビッグデータ対応のサブスクリプションTalend 製品すべて、およびTalend Data Fabricで使用できます。

基本設定

Schema (スキーマ)およびEdit schema (スキーマを編集)

スキーマとは行の説明のことです。処理して次のコンポーネントに渡すフィールド(カラム)数を定義します。Sparkジョブを作成する場合、フィールドの命名時は予約語のlineを避けます。

 

[Built-in] (組み込み): そのコンポーネントのみのスキーマを作成して、ローカルに保存します。

 

[Repository] (リポジトリー): スキーマは作成済みで、リポジトリーに保管されています。さまざまなプロジェクトやジョブデザインで再利用できます。

 

スキーマを変更するには[Edit schema] (スキーマを編集)をクリックします。現在のスキーマがリポジトリータイプの場合は、3つのオプションを使用できます。

  • [View schema] (スキーマの表示): スキーマのみを表示する場合は、このオプションを選択します。

  • [Change to built-in property] (組み込みのプロパティに変更): ローカルで変更を行うためにスキーマを組み込みに変更する場合は、このオプションを選択します。

  • [Update repository connection] (リポジトリー接続を更新): リポジトリーに保存されているスキーマに変更を加え、変更後にそのコンテンツをすべてのジョブにプロパゲートするかどうかを決める場合は、このオプションを選択します。変更を現在のジョブにのみ反映する場合は、変更後、[No] (いいえ)を選択し、[Repository Content] (リポジトリーのコンテンツ)ウィンドウで再びこのスキーマのメタデータを選択します。

[Use an existing configuration] (既存の設定を使用)

定義済みの接続の詳細を再利用するには、このチェックボックスをオンにして、[Component List] (コンポーネントリスト)で該当する接続コンポーネントをクリックします。

[Nodes] (ノード)

使用するElasticSearchシステムをホストしているクラスターのロケーションを入力します。

Index

ドキュメントを書き込むインデックスの名前を入力します。

インデックスは、Elastisearchシステム内のストレージにおける最大のユニットです。

Type (タイプ)

書き込むドキュメントが属するタイプの名前を入力します。

たとえば、blogpost_enblogpost_frをそれぞれ、指定された英語のブログ投稿とフランス語のブログ投稿を表す2つのタイプにできます。

ドキュメントタイプとする指定カラムの値を動的に使うことができます。そうする必要がある場合は、そのカラムの名前を波かっこ({})内に入力します(例: {blog_author})。

[Output document] (出力ドキュメント)

ドキュメントをElasticsearchに書き込む方法を選択します。

  • [JAVABEAN]: このオプションを選択すると、tElasticsearchOutputは入力スキーマを直接使って、書き込むJSON文字列を構成します。

    たとえば、レコードとそのスキーマが次のようになっている場合
    id name age
    1  user 18
    この[JAVABEAN]オプションによって出力されるドキュメントは、{"id":1,"name":"user","age":18}です。
  • JSON: このオプションでは、読み取り専用の[json_document]カラムが、先行するコンポーネントからJSON文字列(Elasticsearchに関するドキュメント)を受け取る出力スキーマに自動的に追加されます。したがって、tElasticsearchOutputに出力する前に、同じジョブでtWriteJSONFieldを使ってJSON文字列を構成する必要があります。スキーマのその他のカラムは、これらのJSONドキュメントのメタデータとして使えます。

    tWriteJSONFieldを使うと複雑さの異なるJSONツリーを構成できるため、書き込まれるJSON文字列をどのようにするかを管理できます。

詳細設定

[Document metadata] (ドキュメントメタデータ)

このテーブルを完成して、各ドキュメントのメタデータを提供するために使う入力カラムを選択します。このテーブルは通常、[Basic settings] (基本設定)ビュー内の[Output document] (出力ドキュメント)ドロップダウンリストのjson_documentオプションと共に使われます。

[Column] (カラム)カラムには、入力スキーマのカラムが自動的に入力されます。続いて、[As metadata] (メタデータとして)カラムで、使うカラムに対応するチェックボックスをオンにする必要があります。

[Metadata type] (メタデータタイプ)カラムで、各カラムを使って提供するドキュメントメタデータのタイプを選択します。

Elasticsearchドキュメントのメタデータタイプについては、https://www.elastic.co/guide/en/elasticsearch/guide/current/_document_metadata.htmlを参照してください。

SSL/TLSの使用

SSLまたはTLS暗号化接続を有効にする場合は、このチェックボックスをオンにします。

次に、同じジョブ内のtSetKeystoreコンポーネントを使用して暗号化情報を指定する必要があります。

設定

アクションをさらにカスタマイズするには、Elasticsearchで受け入れられているパラメーターを追加します。

たとえば、es.mapping.id[Key] (キー)カラムに、true[Value] (値)カラムに入力して、ドキュメントのフィールド/プロパティ名がドキュメントIDを含むようにします。入力する情報は二重引用符で囲む必要があります。

使えるパラメーターのリストは、https://www.elastic.co/guide/en/elasticsearch/hadoop/master/configuration.htmlを参照してください。

使用方法

使用ルール

このコンポーネントは終了コンポーネントとして使用され、入力リンクを必要とします。

tElasticSearchConfigurationコンポーネントを同じジョブにドロップして、ElasticSearchに接続します。次に、[Use an existing configuration] (既存の設定を使う)チェックボックスをオンにして、使用するtElasticSearchConfigurationコンポーネントを選択する必要があります。
  • Sparkジョブ用のTalendコンポーネントは、バージョン6.4.2までのElasticsearchをサポートしています。

このコンポーネントは、所属するSpark Batchコンポーネントのパレットと共に、Spark Batchジョブを作成している場合にだけ表示されます。

特に明記していない限り、このドキュメントのシナリオでは、[Standard] (標準)ジョブ、つまり従来の Talend データ統合ジョブだけを扱います。

[Spark Connection] (Spark接続)

[Run] (実行)ビューの[Spark Configuration] (Spark設定)タブで、ジョブ全体でのSparkクラスターへの接続を定義します。また、ジョブでは、依存jarファイルを実行することを想定しているため、Sparkがこれらのjarファイルにアクセスできるように、これらのファイルの転送先にするファイルシステム内のディレクトリーを指定する必要があります。
  • Yarnモード(YarnクライアントまたはYarnクラスター):
    • Google Dataprocを使用している場合、[Spark configuration] (Spark設定)タブの[Google Storage staging bucket] (Google Storageステージングバケット)フィールドにバケットを指定します。

    • HDInsightを使用している場合、[Spark configuration] (Spark設定)タブの[Windows Azure Storage configuration] (Windows Azure Storage設定)エリアでジョブのデプロイメントに使用するブロブを指定します。

    • Altusを使用する場合は、[Spark configuration] (Spark設定)タブでジョブのデプロイにS3バケットまたはAzure Data Lake Storageを指定します。
    • Quboleを使用する場合は、ジョブにtS3Configurationを追加し、QuboleでS3システム内に実際のビジネスデータを書き込みます。tS3Configurationを使用しないと、このビジネスデータはQubole HDFSシステムに書き込まれ、クラスターをシャットダウンすると破棄されます。
    • オンプレミスのディストリビューションを使用する場合は、クラスターで使用されているファイルシステムに対応する設定コンポーネントを使用します。一般的に、このシステムはHDFSになるため、tHDFSConfigurationを使用します。

  • [Standalone mode] (スタンドアロンモード): tHDFSConfigurationまたはtS3Configurationなど、クラスターで使用されているファイルシステムに対応する設定コンポーネントを使用します。

    ジョブ内に設定コンポーネントがない状態でDatabricksを使用している場合、ビジネスデータはDBFS (Databricks Filesystem)に直接書き込まれます。

この接続は、ジョブごとに有効になります。