Apache Spark BatchのtPartitionプロパティ

[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。

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つのオプションを利用できます。

• [View schema] (スキーマを表示): 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アップデート): 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。

ジョブで接続している先行コンポーネントからスキーマを取得するためには、[Sync columns] (カラムを同期)をクリックします。

 [Number of partitions] (パーティションの数)

入力データセットを分割するパーティション数を入力します。

[Repartition by range] (範囲ごとに再パーティショニング)

このチェックボックスを選択して、データセットを複数のパーティションに分割します。詳細は、の公式Sparkドキュメンテーションをご覧ください。

このオプションは、データセットモードでのみ使用できます。

[Use coalesce] (融合を使用)

このチェックボックスを選択して、返されるパーティション数を減らします。詳細は、の公式Sparkドキュメンテーションをご覧ください。

このオプションは、データセットモードでのみ使用できます。

[Partition key] (パーティションキー)

このテーブルに入力して、パーティショニングに使うキーを定義します。

[Partition key] (パーティションキー)テーブルで、スキーマのカラムが[Column] (カラム)カラムに自動的に追加されます。[Partition column] (パーティションカラム)カラムでは、パーティショニングのキーとして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。

このパーティショニングはハッシュモードで行われます。つまり、同じ基準(キー)を満たすレコードが同じパーティションに転送されます。

[Use custom partitioner] (カスタムパーティショナーを使用)

[Sort within partitions] (パーティション内でソート)

各パーティションでレコードをソートする場合は、このチェックボックスをオンにします。

使用ルール

このコンポーネントは中間ステップとして使用されます。

このコンポーネントは、所属するSpark Batchの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、このドキュメンテーションのシナリオでは、標準ジョブ、つまり従来の Talend Data Integrationジョブだけを扱います。

[Spark Connection] (Spark接続)

この接続は、ジョブごとに有効になります。