Propriétés du tHCatalogOperation Standard - 7.1

HCatalog

author
Talend Documentation Team
EnrichVersion
Cloud
7.1
EnrichProdName
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Open Studio for Big Data
Talend Real-Time Big Data Platform
task
Création et développement > Systèmes tiers > Outils de bases de données > Composants HCatalog
Gouvernance de données > Systèmes tiers > Outils de bases de données > Composants HCatalog
Qualité et préparation de données > Systèmes tiers > Outils de bases de données > Composants HCatalog
EnrichPlatform
Studio Talend

Ces propriétés sont utilisées pour configurer le tHCatalogOperation s'exécutant dans le framework de Jobs Standard.

Le composant tHCatalogOperation Standard appartient à la famille Big Data.

Le composant de ce framework est disponible dans tous les produits Talend Platform avec Big Data et dans Talend Data Fabric.

Basic settings

Property type

Peut être Built-in ou Repository.

Built-in : Propriétés utilisées ponctuellement.

Repository : Sélectionnez le fichier dans lequel sont stockées les propriétés du composant. Les champs suivants sont alors pré-remplis à l'aide des données collectées.

Distribution

Sélectionnez dans la liste le cluster que vous utilisez. Les options de la liste varient selon le composant que vous utilisez. Parmi ces options, les suivantes nécessitent une configuration spécifique :
  • Si disponible dans la liste de Distribution, l'option Microsoft HD Insight vous permet d'utiliser un cluster Microsoft HD Insight. Dans cette optique, vous devez configurer les connexions au cluster HD Insight et au service Windows Azure Storage du cluster dans les zones affichées.Pour des explications détaillées au sujet de ces paramètres, consultez Configurer manuellement la connexion.

  • Si vous sélectionnez Amazon EMR, consultez l'article suivant concernant la configuration de la connexion : Amazon EMR - Prise en main .

  • L'option Custom vous permet de vous connecter à un cluster différent des clusters de la liste, par exemple une distribution non supportée officiellement par Talend .

  1. Sélectionner Import from existing version pour importer une distribution de base officiellement supportée et ajouter manuellement les autres Jars requis non fournis par cette distribution.

  2. Sélectionner Import from zip pour importer le fichier .zip de configuration pour la distribution personnalisée à utiliser. Ce fichier .zip doit contenir les bibliothèques des différents éléments Hadoop/Spark et le fichier d'index de ces bibliothèques.

    Dans Talend Exchange, les membres de la communauté Talend ont partagé quelques fichiers zip de configuration prêts à l'emploi que vous pouvez télécharger depuis cette liste Hadoop configuration et utiliser directement dans votre connexion. Cependant, comme les différents projets relatifs à Hadoop ne cessent d'évoluer, il est possible que vous ne trouviez pas dans la liste le zip de configuration correspondant à votre distribution. Il est alors recommandé d'utiliser l'option Import from existing version, afin de se baser sur une distribution existante pour ajouter les .jars requis par votre distribution.

    Notez que les versions personnalisées ne sont pas officiellement supportées par Talend . Talend et sa Communauté fournissent l'opportunité de vous connecter à des versions personnalisées depuis le Studio mais ne peuvent garantir que la configuration de la version choisie sera simple, car de nombreuses versions et distributions d'Hadoop différentes sont disponibles. Il est recommandé de configurer ces connexions si vous avez une expérience suffisante de Hadoop et de Spark pour gérer par vous-même les problèmes pouvant survenir.

    Remarque :

    Dans cette boîte de dialogue, la case de la zone active doit être cochée, afin d'importer les fichiers .jar correspondant à la connexion créée entre la distribution personnalisée et ce composant.

    Pour un exemple étape par étape expliquant comment se connecter à une distribution personnalisée et partager cette connexion, consultez Connexion à une distribution Hadoop personnalisée.

HCatalog version

Sélectionnez la version de la distribution Hadoop que vous utilisez. Les options disponibles dépendent du composant que vous utilisez.

Templeton hostname

Renseignez ce champ avec l'URL du service Web Templeton.

Remarque :

Templeton est une API de Service Web pour HCatalog. Elle a été renommée WebHCat par la communauté Apache. Ce service permet d'accéder à HCatalog et aux éléments Hadoop relatifs, comme Pig. Pour plus d'informations concernant Templeton (WebHCat), consultez https://cwiki.apache.org/confluence/display/Hive/WebHCat+UsingWebHCat (en anglais).

Templeton port

Renseignez ce champ avec le port de l'URL du service Web Templeton. Par défaut, cette valeur est 50111.

Templeton est une API de services Web pour Hadoop.

Remarque :

Templeton est une API de Service Web pour HCatalog. Elle a été renommée WebHCat par la communauté Apache. Ce service permet d'accéder à HCatalog et aux éléments Hadoop relatifs, comme Pig. Pour plus d'informations concernant Templeton (WebHCat), consultez https://cwiki.apache.org/confluence/display/Hive/WebHCat+UsingWebHCat (en anglais).

Use kerberos authentication

Si vous accédez au cluster Hadoop fonctionnant avec la sécurité Kerberos, cochez cette case, puis saisissez le Principal Name de Kerberos pour le NameNode dans le champ affiché. Cela vous permet d'utiliser votre nom d'utilisateur pour vous authentifier, en les comparant aux informations stockées dans Kerberos.
  • Si ce cluster est un cluster MapR de version 5.0.0 ou postérieure, vous pouvez paramétrer la configuration de l'authentification par ticket MapR en plus ou comme une alternative en suivant les explications dans Se connecter à MapR de façon sécurisée.

    Gardez à l'esprit que cette configuration génère un nouveau ticket de sécurité MapR pour le nom d'utilisateur défini dans le Job dans chaque exécution. Si vous devez réutiliser un ticket existant provenant du même utilisateur, laissez décochées les cases Force MapR ticket authentication et Use Kerberos authentication. MapR devrait pouvoir trouver automatiquement ce ticket à la volée.

Cette case est disponible ou non selon la distribution Hadoop à laquelle vous vous connectez.

Use a keytab to authenticate

Cochez la case Use a keytab to authenticate pour vous connecter à un système utilisant Kerberos à l'aide d'un fichier keytab. Un fichier Keytab contient les paires des Principaux et clés cryptées Kerberos. Vous devez saisir le principal à utiliser dans le champ Principal et le chemin d'accès au fichier keytab dans le champ Keytab. Ce fichier keytab doit être stocké sur la machine où s'exécute votre Job, par exemple, sur un serveur de Jobs Talend.

L'utilisateur exécutant un Job utilisant un fichier Keytab n'est pas nécessairement celui désigné par un Principal mais doit avoir le droit de lire le fichier Keytab utilisé. Par exemple, le nom d'utilisateur que vous utilisez pour exécuter le Job est user1 et le principal à utiliser est guest. Dans cette situation, assurez-vous que user1 a les droits de lecture pour le fichier keytab à utiliser.

Operation on

Sélectionnez un objet dans la liste pour les opérations sur la base de données.

Database : Base de données gérée par HCatalog dans HDFS.

Table : Table gérée par HCatalog dans HDFS.

Partition : Partition définie par l'utilisateur.

Operation

Sélectionnez dans la liste l'opération à effectuer sur la base de données. Pour plus d'informations concernant les opérations sur les bases de données dans HDFS, consultez https://cwiki.apache.org/Hive/ (en anglais).

Create the table only it doesn't exist already

Cochez cette case afin d'éviter de créer un doublon lorsque vous créez une table.
Remarque :

Cette case est activée lorsque vous sélectionnez Table dans la liste Operation on.

Database

Base de données dans laquelle les tables gérées par HCatalog sont stockées.

Table

Renseignez ce champ pour effectuer des actions sur une ou plusieurs table(s) dans une base de données ou dans un emplacement HDFS spécifié.
Remarque :

Ce champ est activé lorsque vous sélectionnez Table dans la liste Operation on. Pour plus d'informations concernant les opérations de Partition, consultez https://cwiki.apache.org/Hive/.

Partition

Renseignez ce champ pour spécifier une ou plusieurs partition(s) pour l'opération de partition sur une table. Lorsque vous spécifiez plusieurs partitions, utilisez une virgule pour séparer les partitions en groupes de deux. Délimitez la chaîne de caractères relative à la partition en l'entourant de guillemets doubles.

Si vous lisez une table non partitionnée, laissez ce champ vide.

Remarque :

Ce champ est activé lorsque vous sélectionnez Table dans la liste Operation on. Pour plus d'informations concernant les opérations de Partition, consultez https://cwiki.apache.org/Hive/.

Username

Renseignez ce champ en saisissant l'identifiant de l'utilisateur de la base de données.

Database location

Emplacement de la base de données dans HDFS.
Remarque :

Ce champ est activé lorsque vous sélectionnez Database dans la liste Operation on.

Database description

Description de la base de données.
Remarque :

Ce champ est activé lorsque vous sélectionnez Database dans la liste Operation on.

Create an external table

Cochez cette case pour créer une table externe avec un chemin d'accès alternatif défini dans le champ Set HDFS location, dans la vue Advanced settings. Pour plus d'informations concernant la création d'une table externe, consultez https://cwiki.apache.org/Hive/ (en anglais).
Remarque :

Cette case est activée lorsque vous sélectionnez Table dans la liste Operation on et Create ou Drop and create ou Drop if exist and create dans la liste Operation.

Format

Sélectionnez un format de fichier dans la liste, afin de spécifier le format de la table externe que vous souhaitez créer.

TEXTFILE : Fichiers texte.

RCFILE : Fichiers Record Columnar. Pour plus d'informations concernant RCFile, consultez https://cwiki.apache.org/confluence/display/Hive/RCFile (en anglais).
Remarque :

L'option RCFILE est disponible uniquement depuis Hive 0.6.0. Cette liste est activée uniquement lorsque vous sélectionnez Table dans la liste Operation on et Create/Drop and create/Drop if exist and create dans la liste Operation.

Set partitions

Cochez cette case pour définir le schéma de la partition en cliquant sur Edit schema, à droite de la case Set partitions. Le schéma de la partition peut être soit local, soit distant dans le Repository.
Remarque :

Cette case est activée lorsque vous sélectionnez Table dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation. Vous devez suivre les règles d'utilisation de schémas de partition dans les tables gérées par HCatalog. Pour plus d'informations concernant les règles d'utilisation des schémas de partitions, consultez http://incubator.apache.org/hcatalog/ (en anglais).

 

Built-in : Le schéma est créé et conservé ponctuellement pour ce composant seulement. Voir également le Guide utilisateur du Studio Talend .

 

Repository : Le schéma existe déjà et il est stocké dans le Repository. Ainsi, il peut être réutilisé. Voir également le Guide utilisateur du Studio Talend .

Set the user group to use

Cochez cette case pour spécifier le groupe de l'utilisateur.

Remarque :

Cette case est activée lorsque vous sélectionnez Database dans la liste Operation on et Drop, Drop if exist, Drop and create ou Drop if exist and create dans la liste Operation. Par défaut, la valeur de ce champ est root. Pour plus d'informations concernant le groupe d'utilisateurs dans le serveur, contactez votre administrateur système.

Option

Sélectionnez une clause pour lorsque vous supprimez une base de données.

Remarque :

Cette liste est activée lorsque vous sélectionnez Drop, Drop if exist, Drop and create ou Drop if exist and create dans la liste Operation. Pour plus d'informations concernant l'opération Drop sur les bases de données, consultez https://cwiki.apache.org/Hive/ (en anglais).

Set the permissions to use

Cochez cette case pour spécifier les permissions nécessaires pour l'opération sélectionnée dans la liste Operation.

Remarque :

Cette case est activée lorsque vous sélectionnez Drop, Drop if exist, Drop and create ou Drop if exist and create dans la liste Operation. Par défaut, la valeur de ce champ est rwxrw-r-x. Pour plus d'informations concernant les permissions, contactez votre administrateur système.

Set File location

Saisissez le répertoire dans lequel seront stockées les données partitionnées.

Remarque :

Cette case est activée lorsque vous sélectionnez Partition dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation. Pour plus d'informations concernant le stockage des données partitionnées dans HDFS, consultez https://cwiki.apache.org/confluence/display/Hive/HCatalog (en anglais).

Die on error

Cette case est décochée par défaut, afin d'ignorer les lignes en erreur et de terminer le traitement avec les lignes sans erreur.

Advanced settings

Comment

Renseignez ce champ à l'aide de commentaires concernant la table à créer.

Remarque :

Ce champ est activé lorsque vous sélectionnez Table dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation, dans la vue Basic settings.

Set HDFS location

Cochez cette case pour spécifier un emplacement HDFS où sauvegarder la table à créer. Décochez cette case afin de sauvegarder la table dans le répertoire du warehouse défini dans la clé hive.metastore.warehouse.dir dans le fichier de configuration Hive, hive-site.xml.

Remarque :

Cette case est activée lorsque vous sélectionnez Table dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation, dans la vue Basic settings. Pour plus d'informations concernant la sauvegarde de données dans HDFS, consultez https://cwiki.apache.org/Hive/ (en anglais).

Set row format(terminated by)

Cochez cette case pour utiliser et définir les formats de lignes lorsque vous créez une table.

Field : Cochez cette case pour utiliser le format Field. La valeur par défaut de ce champ est "\u0001". Vous pouvez également spécifier un caractère personnalisé.

Collection Item : Cochez cette case pour utiliser le format Collection Item. La valeur par défaut de ce champ est "\u0002". Vous pouvez également spécifier un caractère personnalisé.

Map Key : Cochez cette case afin d'utiliser le format Map Key. La valeur par défaut de ce champ est "\u0003". Vous pouvez également spécifier un caractère personnalisé.

Line : Cochez cette case pour utiliser le format Line. La valeur par défaut de ce champ est "\n". Vous pouvez également spécifier un caractère personnalisé
Remarque :

Cette case est activée lorsque vous sélectionnez Table dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation, dans la vue Basic settings. Pour plus d'informations concernant les formats de ligne dans les tables gérées par HCatalog, consultez https://cwiki.apache.org/Hive/ (en anglais).

Properties

Cliquez sur le bouton [+] pour ajouter une ou plusieurs ligne(s) afin de définir les propriétés de la table. Les propriétés de la table vous permettent de personnaliser la définition de la table à l'aide de vos propres paires de clés de métadonnées/valeurs. Assurez-vous que les valeurs dans les colonnes Key et Value sont bien entourées de guillemets doubles.
Remarque :

Ce tableau est activé lorsque vous sélectionnez Database ou Table dans la liste Operation on et Create, Drop and create ou Drop if exist and create dans la liste Operation, dans la vue Basic settings. Pour plus d'informations concernant les propriétés des tables, consultez https://cwiki.apache.org/Hive (en anglais).

Retrieve the HCatalog logs

Cochez cette case pour récupérer les fichiers de log générés durant les opérations de HCatalog.

Standard Output Folder

Renseignez ce champ avec le chemin d'accès où sont stockés les fichiers de log.

Remarque :

Ce champ est activé lorsque vous cochez la case Retrieve the HCatalog logs.

Error Output Folder

Renseignez ce champ avec le chemin d'accès où sont stockés les fichiers de log d'erreurs.

Remarque :

Ce champ est activé lorsque vous cochez la case Retrieve the HCatalog logs.

tStatCatcher Statistics

Cochez cette case pour collecter les données de log au niveau du Job ainsi qu'au niveau de chaque composant.

Global Variables

Global Variables

ERROR_MESSAGE : message d'erreur généré par le composant lorsqu'une erreur survient. Cette variable est une variable After et retourne une chaîne de caractères. Cette variable fonctionne uniquement si la case Die on error est décochée, lorsque le composant contient cette case.

Une variable Flow fonctionne durant l'exécution d'un composant. Une variable After fonctionne après l'exécution d'un composant.

Pour renseigner un champ ou une expression à l'aide d'une variable, appuyez sur les touches Ctrl+Espace pour accéder à la liste des variables. À partir de cette liste, vous pouvez choisir la variable que vous souhaitez utiliser.

Pour plus d'informations concernant les variables, consultez le Guide utilisateur du Studio Talend .

Utilisation

Règle d'utilisation

Ce composant est généralement utilisé seul dans un sous-job à un composant.

HCatalog est construit sur le métastore Hive afin de fournir une interface de lecture/écriture pour Pig et MapReduce, afin que ces systèmes puissent utiliser les métadonnées de Hive pour lire et écrire facilement des données dans HDFS.

Pour plus d'informations, consultez la documentation Apache concernant HCatalog : https://cwiki.apache.org/confluence/display/Hive/HCatalog (en anglais).

Prérequis

La distribution Hadoop doit être correctement installée afin de garantir les interactions avec le Studio Talend . La liste suivante présente des informations d'exemple relatives à MapR.

  • Assurez-vous d'avoir installé le client MapR sur la même machine que le Studio et d'avoir ajouté la bibliothèque client de MapR dans la variable PATH de cette machine. D'après la documentation de MapR, la ou les bibliothèques du client MapR correspondant à chaque OS peuvent être trouvées dans MAPR_INSTALL\ hadoop\hadoop-VERSION\lib\native. Par exemple, pour Windows, la bibliothèque est lib\MapRClient.dll dans le fichier Jar du client MapR. Pour plus d'informations, consultez la page suivante sur le site de MapR : http://www.mapr.com/blog/basic-notes-on-configuring-eclipse-as-a-hadoop-development-environment-for-mapr (en anglais).

    Si vous n'ajoutez pas de librairie, il est possible que vous rencontriez l'erreur suivante : no MapRClient in java.library.path.

  • Configurez l'argument -Djava.library.path, par exemple, dans la zone Job Run VM arguments de la vue Run/Debug de la boîte de dialogue Preferences dans le menu Window. Cet argument fournit au Studio le chemin d'accès à la bibliothèque native du client MapR. Cela permet aux utilisateurs en souscription d'utiliser entièrement l'aperçu des données (Data viewer) afin de visualiser localement dans le Studio les données stockées dans MapR.

Pour plus d'informations concernant l'installation d'une distribution Hadoop, consultez le manuel correspondant à la distribution Hadoop que vous utilisez.

Limitation

Lorsque la case Use kerberos authentication est cochée, le composant ne fonctionne pas avec la JVM IBM.