Propriétés du tCassandraInput pour Apache Spark Batch

Cassandra

author
Talend Documentation Team
EnrichVersion
6.4
EnrichProdName
Talend Open Studio for Big Data
Talend Data Fabric
Talend Big Data
Talend Real-Time Big Data Platform
Talend Big Data Platform
task
Qualité et préparation de données > Systèmes tiers > Composants Database > Composants Cassandra
Gouvernance de données > Systèmes tiers > Composants Database > Composants Cassandra
Création et développement > Systèmes tiers > Composants Database > Composants Cassandra
EnrichPlatform
Studio Talend

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

Le composant tCassandraInput Spark Batch appartient à la famille Databases.

Le composant de ce framework est disponible si vous avez souscrit à l'une des solutions Big Data de Talend.

Basic settings

Schema et Edit Schema

Un schéma est une description de lignes, il définit le nombre de champs (colonnes) qui sont traités et passés au composant suivant. Le schéma est soit local (Built-In), soit distant dans le Repository.

Cliquez sur Edit schema pour modifier le schéma. Si le schéma est en mode Repository, trois options sont disponibles :

  • View schema : sélectionnez cette option afin de voir le schéma.

  • Change to built-in property : sélectionnez cette option pour passer le schéma en mode Built-In et effectuer des modifications locales.

  • Update repository connection : sélectionnez cette option afin de modifier le schéma stocké dans le référentiel et décider de propager ou non les modifications à tous les Jobs. Si vous souhaitez propager les modifications uniquement au Job courant, cliquez sur No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre [Repository Content].

Le schéma de ce composant ne supporte pas les types Object et List.

Keyspace

Saisissez le nom de l'espace de clé duquel vous souhaitez lire les données.

Column family

Saisissez le nom de la famille de colonnes de laquelle vous souhaitez lire les données.

Selected column function

Sélectionnez les colonnes desquelles vous souhaitez récupérer la propriété TTL (time to live) ou writeTime.

La propriété TTL détermine le temps avant expiration des enregistrements dans une colonne. La propriété writeTime indique le moment où un enregistrement a été créé.

Pour plus d'informations concernant ces propriétés, consultez la documentation Datastax pour Cassandra CQL.

Filter function

Définissez les filtres à utiliser pour sélectionner les enregistrements à traiter.

Le composant génère la clause WHERE ALLOW FILTERING à l'aide des filtres définis. Cette fonction de filtre est sujette à la limite de cette clause Cassandra.

Order by clustering column

Sélectionnez comment trier les enregistrements récupérés. Vous pouvez sélectionner NONE pour ne pas trier les données.

Use limit

Cochez cette case pour afficher le champ Limit per partition, dans lequel vous saisissez le nombre de lignes à récupérer, à partir de la première ligne.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme composant de début et requiert un lien de sortie.

Ce composant doit utiliser un seul tCassandraConfiguration présent dans le même Job pour se connecter à Cassandra. La présence de plusieurs composants tCassandraConfiguration fait échouer l'exécution du Job.

Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch.

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 de la vue Run afin de définir la connexion à un cluster Spark donné pour le Job complet. 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.