Propriétés du tKinesisInput pour Apache Spark Streaming - 6.5

Kinesis

EnrichVersion
6.5
EnrichProdName
Talend Data Fabric
Talend Real-Time Big Data Platform
EnrichPlatform
Studio Talend
task
Création et développement > Systèmes tiers > Composants Messaging (Intégration) > Composants Kinesis
Gouvernance de données > Systèmes tiers > Composants Messaging (Intégration) > Composants Kinesis
Qualité et préparation de données > Systèmes tiers > Composants Messaging (Intégration) > Composants Kinesis

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

Le composant tKinesisInput Spark Streaming appartient à la famille Messaging.

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

Basic settings

Schema et Edit Schema

Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) dans le Repository. 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.

Cette colonne payload en lecture seule est utilisée pour contenir le corps du message Kinesis à traiter.

Le corps du message d'entrée peut utiliser de nombreux formats différents de données. Par exemple, si le format est JSON, vous devez utiliser le tExtractJSONField après le tKinesisInput pour extraire les données à traiter du corps.

Access key

Saisissez l'ID de la clé d'accès identifiant de manière unique un compte AWS. Pour plus d'informations concernant l'obtention de vos Access Key et Secret Key, consultez Obtention de vos clés d'accès AWS.

Secret key

La Secret Access Key, combinée à la clé d'accès, constitue votre accès sécurisé à Amazon S3.

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.

Stream name

Saisissez le nom du flux Kinesis duquel vous souhaitez que le tKinesisInput fasse un Pull sur les données.

Endpoint URL

Saisissez l'endpoint du service Kinesis à utiliser, par exemple, https://kinesis.us-east-1.amazonaws.com. Vous pouvez trouver d'autres URL Kinesis valides à l'adresse http://docs.aws.amazon.com/general/latest/gr/rande.html#ak_region (en anglais).

Explicitly set authentication parameters

Cochez cette case pour utiliser le mécanisme d'authentification explicite pour vous connecter à Kinesis. Notez que ce mécanisme est supporté uniquement par les versions 1.4 de Spark et suivantes.

Puisque ce mécanisme de sécurité nécessite que le paramètre AWS Region soit explicitement configuré, vous devez saisir la valeur de la région à utiliser dans le champ Region qui s'affiche. Par exemple, us-west-2.

Il est recommandé d'utiliser l'authentification explicite pour une meilleure sécurité lorsque la version de Spark que vous utilisez supporte ce mécanisme. Une fois cette case cochée, l'identifiant et le mot de passe d'accès sont directement fournis par Kinesis.

Si vous laissez cette case décochée, un ancien mécanisme d'authentification est utilisé. Ainsi, l'identifiant et le mot de passe sont utilisés par Spark comme variables de contexte pour la connexion à Kinesis.

Advanced settings

Checkpoint interval

Saisissez l'intervalle de temps (en millisecondes) à la fin duquel le tKinesisInput sauvegarde la position où s'est arrêtée la lecture dans le flux Kinesis.

Les enregistrements de données dans un flux Kinesis sont groupés en partitions (shards, en termes Kinesis) et indexés avec des numéros de séquence. Un numéro de séquence identifie de manière unique la position d'un enregistrement. Pour plus d'informations concernant les termes utilisés par Amazon dans Kinesis, consultez http://docs.aws.amazon.com/kinesis/latest/dev/key-concepts.html (en anglais).

Initial position stream

Sélectionnez la position de départ pour la lecture des données du flux, lorsqu'il n'y a pas d'information relative au point de contrôle Kinesis.
  • Start with the oldest data : commence du début du flux dans la limite de 24 heures.

  • Start after the most recent data : commence à la position après les dernières données du flux.

Storage level

Sélectionnez comment recevoir les données à mettre en cache. Pour plus d'informations concernant les différents niveaux, consultez https://spark.apache.org/docs/latest/programming-guide.html#rdd-persistence (en anglais).

Utilisation

Règle d'utilisation

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

Lors de l'exécution, ce composant continue à écouter le flux et lit les nouveaux messages lorsqu'ils sont en mémoire tampon dans le flux.

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.

Spark Connection

Vous devez utiliser l'onglet Spark Configuration dans la vue Run afin de définir la connexion à un cluster Spark donné pour le Job entier. 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  : lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration. Lorsque vous utilisez d'autres distributions, utilisez un composant tHDFSConfiguration afin de spécifier le répertoire.

  • Standalone mode : vous devez choisir le composant de configuration selon le système de fichiers que vous utilisez, comme tHDFSConfiguration ou tS3Configuration.

Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.

Limitation

Du fait d'une incompatibilité de licence, un ou plusieurs Jar requis pour utiliser ce composant ne sont pas fournis. Vous pouvez installer les Jar manquants pour ce composant en cliquant sur le bouton Install dans l'onglet Component. Vous pouvez également trouver les Jar manquants et les ajouter dans l'onglet Modules de la perspective Integration de votre Studio. Pour plus d'informations, consultez Installer des modules externes.