Apache Spark BatchのtGSConfigurationプロパティ

これらのプロパティは、Spark Batchジョブのフレームワークで実行されているtGSConfigurationを設定するために使われます。

Spark BatchのtGSConfigurationコンポーネントは、ストレージファミリーに属しています。

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

基本設定

このコンポーネントをGoogle Dataprocと併用する場合:

[Google Storage bucket] (Googleストレージバケット)	ジョブ全体で使用するバケットの名前を入力します。次に、tFileInputDelimitedまたはtFileOutputDelimitedなど、Fileのコンポーネントでは、このバケットのディレクトリーが使用されます。たとえば、このフィールドに`my_bucket`と入力し、tFileInputDelimitedの[Folder] (フォルダー)フィールドに`/user/ychen`を入力すると、tFileInputDelimitedによってgs://my_bucket/user/ychenからデータが読み取られます。

[Google Storage bucket] (Googleストレージバケット)

ジョブ全体で使用するバケットの名前を入力します。次に、tFileInputDelimitedまたはtFileOutputDelimitedなど、Fileのコンポーネントでは、このバケットのディレクトリーが使用されます。

たとえば、このフィールドにmy_bucketと入力し、tFileInputDelimitedの[Folder] (フォルダー)フィールドに/user/ychenを入力すると、tFileInputDelimitedによってgs://my_bucket/user/ychenからデータが読み取られます。

このコンポーネントをその他のディストリビューションと併用する場合:

[Project ID] (プロジェクトID)	Google Cloud PlatformプロジェクトのIDを入力します。プロジェクトIDがわからない場合は、Google Cloud Platformサービスの[Manage Resources]ページでご確認ください。
[Google Storage bucket] (Googleストレージバケット)	ジョブ全体で使用するバケットの名前を入力します。次に、tFileInputDelimitedまたはtFileOutputDelimitedなど、Fileのコンポーネントでは、このバケットのディレクトリーが使用されます。たとえば、このフィールドに`my_bucket`と入力し、tFileInputDelimitedの[Folder] (フォルダー)フィールドに`/user/ychen`を入力すると、tFileInputDelimitedによってgs://my_bucket/user/ychenからデータが読み取られます。
[Use P12 credentials file format] (P12認証情報ファイル形式を使用)	使用するGoogleクレデンシャルファイルがP12形式の場合は、このチェックボックスをオンにし、表示される[Service account Id] (サービスアカウントID)フィールドにP12認証情報ファイルが作成されたサービスアカウントのIDを入力します。
[Path to Google Credentials file] (Googleクレデンシャルファイルへのパス)	使用するユーザーアカウントに関連付けられている認証情報ファイルのパスを入力します。このファイルはTalendジョブが実際に起動および実行されるコンピューターに保管されている必要があります。 Talend JobServerを使用してジョブを実行する場合、ジョブを起動するTalend JobServerのマシンだけでなく、ジョブを実行するSparkクラスターのワーカーマシンにも認証情報ファイルを保管します。Talend JobServerを使用しない場合は、ジョブを起動するローカルマシンとSparkクラスターのワーカーマシンに認証情報ファイルを保管します。

グローバル変数

グローバル変数	ERROR_MESSAGE: エラーが発生した時にコンポーネントによって生成されるエラーメッセージ。これはAfter変数で、文字列を返します。この変数はコンポーネントにこのチェックボックスが存在し、[Die on error] (エラー発生時に強制終了)がオフになっている場合のみ機能します。 Flow変数はのコンポーネントの実行中に機能し、After変数はコンポーネントの実行後に機能します。フィールドまたは式に変数を入力する場合は、Ctrl + スペースを押して変数リストにアクセスし、使用する変数を選択します。変数の詳細は、コンテキストと変数を使用をご覧ください。

ERROR_MESSAGE: エラーが発生した時にコンポーネントによって生成されるエラーメッセージ。これはAfter変数で、文字列を返します。この変数はコンポーネントにこのチェックボックスが存在し、[Die on error] (エラー発生時に強制終了)がオフになっている場合のみ機能します。

Flow変数はのコンポーネントの実行中に機能し、After変数はコンポーネントの実行後に機能します。

フィールドまたは式に変数を入力する場合は、Ctrl + スペースを押して変数リストにアクセスし、使用する変数を選択します。

変数の詳細は、コンテキストと変数を使用をご覧ください。

使用方法

使用ルール	Google Storageへの接続設定を行う場合は、1つのジョブで複数のtGSConfigurationコンポーネントを使用できます。たとえば1つのジョブで2つのtGSConfigurationコンポーネントを使い、認証情報が異なる別々のGoogle Storageバケットを使うことも可能です。2つのtGSConfigurationコンポーネントを使うためには、[Google Storage console] (Google Storageコンソール) > [Bucket] (バケット) > [Permissions] (権限) > [Roles] (ロール)で正しい権限を設定する必要があります。たとえば次の操作を行っているとします。 userX@project-1234.iam.gserviceaccount.comとuserX_bucketを使ってproject-1234で作業 userY@project-4567.iam.gserviceaccount.comとuserY_bucketを使ってproject-4567で作業以下の操作が必要となります。 userY_bucketにuserX@project-1234.iam.gserviceaccount.comを[Storage Admin] (ストレージ管理者)として追加し、project-4567をポイントします。 userX_bucketにuserY@project-4567.iam.gserviceaccount.comを[Storage Admin] (ストレージ管理者)として追加し、project-4567をポイントします。 IAM権限の詳細は、Google Storage documentationをご覧ください。 Studio Talend 8.0のR2022-12以降、tGSConfigurationが[Local] (ローカル)モードでSpark Universalを、Google Cloud PlatformでDatabricksをサポートするようになりました。
[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。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、クラスターで使わ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): クラスターで使われているファイルシステム(tHDFSConfiguration Apache Spark BatchやtS3Configuration Apache Spark Batchなど)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。

使用ルール

Google Storageへの接続設定を行う場合は、1つのジョブで複数のtGSConfigurationコンポーネントを使用できます。

たとえば1つのジョブで2つのtGSConfigurationコンポーネントを使い、認証情報が異なる別々のGoogle Storageバケットを使うことも可能です。2つのtGSConfigurationコンポーネントを使うためには、[Google Storage console] (Google Storageコンソール) > [Bucket] (バケット) > [Permissions] (権限) > [Roles] (ロール)で正しい権限を設定する必要があります。

たとえば次の操作を行っているとします。

userX@project-1234.iam.gserviceaccount.comとuserX_bucketを使ってproject-1234で作業
userY@project-4567.iam.gserviceaccount.comとuserY_bucketを使ってproject-4567で作業

以下の操作が必要となります。

userY_bucketにuserX@project-1234.iam.gserviceaccount.comを[Storage Admin] (ストレージ管理者)として追加し、project-4567をポイントします。
userX_bucketにuserY@project-4567.iam.gserviceaccount.comを[Storage Admin] (ストレージ管理者)として追加し、project-4567をポイントします。

IAM権限の詳細は、Google Storage documentationをご覧ください。

Studio Talend 8.0のR2022-12以降、tGSConfigurationが[Local] (ローカル)モードでSpark Universalを、Google Cloud PlatformでDatabricksをサポートするようになりました。

[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。
- 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、クラスターで使わ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): クラスターで使われているファイルシステム(tHDFSConfiguration Apache Spark BatchやtS3Configuration Apache Spark Batchなど)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。

このページは役に立ちましたか?

このページまたはコンテンツに、タイポ、ステップの省略、技術的エラーなどの問題が見つかった場合は、お知らせください。改善に役立たせていただきます。

こちらにフィードバックをお寄せください