Propriétés du tJDBCInput pour Apache Spark Batch - 6.5

JDBC

author
Talend Documentation Team
EnrichVersion
6.5
EnrichProdName
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Data Integration
Talend Data Management Platform
Talend Data Services Platform
Talend ESB
Talend MDM Platform
Talend Open Studio for Big Data
Talend Open Studio for Data Integration
Talend Open Studio for ESB
Talend Open Studio for MDM
Talend Real-Time Big Data Platform
task
Création et développement > Systèmes tiers > Composants Database > Composants JDBC
Gouvernance de données > Systèmes tiers > Composants Database > Composants JDBC
Qualité et préparation de données > Systèmes tiers > Composants Database > Composants JDBC
EnrichPlatform
Studio Talend

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

Le composant tJDBCInput Spark Batch appartient à la famille Databases.

Ce composant vous permet également de vous connecter à une base de données RDS MariaDB, RDS PostgreSQL ou RDS SQLServer et d'en lire des données.

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

Basic settings

Property type

Peut-être Built-In ou Repository.

 

Built-in : Propriétés utilisées ponctuellement.

 

Repository : Sélectionnez le fichier de propriétés du composant.

Use an existing connection

Cochez cette case et sélectionnez le composant de connexion adéquat dans la liste Component list pour réutiliser les paramètres d'une connexion que vous avez déjà définie.

JDBC URL

URL JDBC de la base de données à utiliser. Par exemple, l'URL JDBC de la base de données Amazon Redshift est jdbc:redshift://endpoint:port/database.

Si vous utilisez Spark V1.3, cette URL doit contenir les informations d'authentification, notamment :
jdbc:mysql://XX.XX.XX.XX:3306/Talend?user=ychen&password=talend

Driver JAR

Renseignez cette table afin de charger les Jar des pilotes requis. Pour ce faire, cliquez sur le bouton [+] sous la table, pour ajouter autant de lignes que nécessaire, chaque ligne pour un Jar de pilote. Sélectionnez la cellule et cliquez sur le bouton [...] à droite de la cellule pour ouvrir l'assistant Select Module, dans lequel vous pouvez sélectionner le Jar souhaité. Par exemple, le Jar du pilote RedshiftJDBC41-1.1.13.1013.jar pour la base de données Redshift.

Class Name

Saisissez entre guillemets doubles le nom de la classe pour le pilote spécifié. Par exemple, pour le pilote RedshiftJDBC41-1.1.13.1013.jar, le nom à saisir est com.amazon.redshift.jdbc41.Driver.

Username et Password

Saisissez les informations d'authentification de la base de données à laquelle vous devez vous connecter.

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.

Disponible à partir de la version 1.4 de Spark.

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.

 

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

 

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

 

Créez le schéma en cliquant sur le bouton Edit Schema. 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].

Table Name

Saisissez le nom de la table de laquelle lire les données.

Query type et Query

Saisissez votre requête de base de données en faisant attention à ce que l'ordre des champs corresponde à celui défini dans le schéma.

Si vous utilisez Spark V2.0 ou une version supérieure, Spark SQL ne reconnaît plus le préfixe d'une table de base de données. Cela signifie que vous devez saisir uniquement le nom de la table, sans ajouter de préfixe indiquant par exemple le schéma auquel cette table appartient.

Par exemple, si vous devez effectuer une requête sur une table system.mytable, pour laquelle le préfixe system indique le schéma auquel appartient la table mytable. Dans la requête, vous devez saisir uniquement mytable.

Guess Query

Cliquez sur le bouton Guess Query afin de générer la requête correspondant au schéma de votre table, dans le champ Query.

Guess schema

Cliquez sur le bouton Guess schema afin de récupérer le schéma de la table.

Advanced settings

Additional JDBC parameters

Définissez des propriétés de connexion supplémentaires pour la connexion à la base de données que vous créez. Les propriétés sont séparées par un point-virgule et chaque propriété est une paire clé-valeur. Par exemple, encryption=1;clientname=Talend.

Ce champ n'est pas disponible si la case Use an existing connection est cochée.

Spark SQL JDBC parameters

Ajoutez les propriétés JDBC supportées par Spark SQL à cette table. Pour une liste de propriétés configurables par l'utilisateur, consultez JDBC to other database (en anglais).

Ce composant paramètre automatiquement les propriétés url, dbtable et driver en utilisant la configuration dans l'onglet Basic settings.

Use cursor

Cochez cette case pour spécifier le nombre de colonnes avec lesquelles vous souhaitez travailler à tout moment. Cette option optimise les performances.

Trim all the String/Char columns

Cochez cette case pour supprimer les espaces en début et en fin de champ dans toutes les colonnes de type String/Char.

Trim column

Cette table est automatiquement renseignée avec le schéma utilisé. Cochez la (les) case(s) correspondant à la (aux) colonne(s) dont vous souhaitez supprimer les espaces en début et en fin de champ.

Enable partitioning

Cochez la case pour lire les données en partitions.

Définissez, entre les guillemets doubles, les paramètres suivants afin de configurer le partitionnement :
  • Partition column : la colonne numérique utilisée comme clé de partition.

  • Lower bound of the partition stride et Upper bound of the partition stride : renseignez les champs upper bound (limite haute) et lower bound (limite inférieure) afin de paramétrer la plage de clé de partition. Ces limites ne filtrent pas les lignes de table. Toutes les lignes de la table sont partitionnées et retournées.

  • Number of partitions : le nombre de partitions dans lesquelles les lignes de table sont séparées. Chaque worker Spark gère une seule partition à la fois.

La taille moyenne des partitions est le résultat de la différence entre la limite supérieure et la limite inférieure divisée par le nombre de partitions, c'est-à-dire (upperBound - lowerBound)/partitionNumber, alors que les premières et les dernières partitions incluent également toutes les autres lignes qui ne sont pas contenues dans les autres partitions.

Par exemple, pour partitionner 1000 lignes en 4 partitions, si vous saisissez 0 comme limite inférieure et 1000 comme limite haute, chaque partition devra contenir 250 lignes approximativement afin que le partitionnement soit égal. Si vous saisissez 250 pour la limite inférieure et 750 pour la limite supérieure, la deuxième et la troisième partition contiendront chacune 125 lignes et la première et la dernière partition, 375 lignes respectivement. Dans cette configuration, le partitionnement est asymétrique.

Enable partitioning

Cochez la case pour lire les données en partitions.

Définissez, entre les guillemets doubles, les paramètres suivants afin de configurer le partitionnement :
  • Partition column : la colonne numérique utilisée comme clé de partition.

  • Lower bound of the partition stride et Upper bound of the partition stride : renseignez les champs upper bound (limite haute) et lower bound (limite inférieure) afin de paramétrer la plage de clé de partition. Ces limites ne filtrent pas les lignes de table. Toutes les lignes de la table sont partitionnées et retournées.

  • Number of partitions : le nombre de partitions dans lesquelles les lignes de table sont séparées. Chaque worker Spark gère une seule partition à la fois.

La taille moyenne des partitions est le résultat de la différence entre la limite supérieure et la limite inférieure divisée par le nombre de partitions, c'est-à-dire (upperBound - lowerBound)/partitionNumber, alors que les premières et les dernières partitions incluent également toutes les autres lignes qui ne sont pas contenues dans les autres partitions.

Par exemple, pour partitionner 1000 lignes en 4 partitions, si vous saisissez 0 comme limite inférieure et 1000 comme limite haute, chaque partition devra contenir 250 lignes approximativement afin que le partitionnement soit égal. Si vous saisissez 250 pour la limite inférieure et 750 pour la limite supérieure, la deuxième et la troisième partition contiendront chacune 125 lignes et la première et la dernière partition, 375 lignes respectivement. Dans cette configuration, le partitionnement est asymétrique.

Utilisation

Règle d'utilisation

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

Ce composant nécessite un composant tJDBCConfiguration présent dans le même Job pour se connecter à une base de données. Vous devez déposer un composant tJDBCConfiguration à côté de ce composant et configurer ses propriétés dans l'onglet Basic settings de ce composant pour utiliser le tJDBCConfiguration.

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 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.