Propriétés du tRedshiftConfiguration pour Apache Spark Streaming - 7.0

Amazon Redshift

author
Talend Documentation Team
EnrichVersion
7.0
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 > Services Amazon (Intégration) > Composants Amazon Redshift
Gouvernance de données > Systèmes tiers > Services Amazon (Intégration) > Composants Amazon Redshift
Qualité et préparation de données > Systèmes tiers > Services Amazon (Intégration) > Composants Amazon Redshift
EnrichPlatform
Studio Talend

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

Le composant tRedshiftConfiguration Spark Streaming appartient aux familles Storage et Databases.

Ce composant est disponible dans Talend Real Time Big Data Platform 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.

Host

Saisissez l'endpoint de la base de données à laquelle se connecter dans Redshift.

Port

Saisissez le numéro du port de la base de données à laquelle vous connecter dans Redshift.

Vous pouvez trouver les informations relatives dans la zone Cluster Database Properties de la console Web de votre Redshift.

Pour plus d'informations, consultez Gestion des clusters à l'aide de la console.

Username et Password

Saisissez les informations d'authentification à la base de données Redshift à laquelle 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.

Database

Saisissez le nom de la base de données à laquelle vous connecter dans Redshift.

Vous pouvez trouver les informations relatives dans la zone Cluster Database Properties de la console Web de votre Redshift.

Pour plus d'informations, consultez Gestion des clusters à l'aide de la console.

Schema

Saisissez ne nom du schéma de la base de données à utiliser dans Redshift. Le schéma est nommé par défaut PUBLIC.

Un schéma, en termes Redshift , est similaire à un répertoire dans votre système d'exploitation. Pour plus d'informations concernant les schémas Redshift, consultez Schémas.

Additional JDBC Parameters

Définissez des propriétés JDBC supplémentaires pour la connexion que vous créez. Les propriétés sont séparées par une esperluette et chaque propriété est une paire clé-valeur. Par exemple, ssl=true & sslfactory=com.amazon.redshift.ssl.NonValidatingFactory, qui signifie que la connexion sera créée en utilisant le SSL.

S3 configuration

Sélectionnez le composant tS3Configuration à partir duquel vous voulez que Spark utilise les détails de configuration pour se connecter à S3.

Vous devez déposer un composant tS3Configuration à utiliser avec le tRedshiftConfiguration dans le même Job, afin que le tS3Configuration soit affiché dans la liste S3 configuration.

S3 temp path

Saisissez l'emplacement dans S3 dans lequel les données à transférer à partir de ou vers Redshift sont temporairement stockées.

Ce chemin est indépendant du chemin temporaire que vous devez définir dans l'onglet Basic settings du composant tS3Configuration.

Advanced settings

connection pool

Dans cette zone, configurez, pour chaque exécuteur Spark, le pool de connexions utilisé pour contrôler le nombre de connexions qui restent ouvertes simultanément. Généralement, les valeurs par défaut données aux paramètres suivants du pool de connexion conviennent à la plupart des cas d'utilisation.

  • Max total number of connections : saisissez le nombre maximal de connexions (actives ou inactives) autorisées à rester ouvertes simultanément.

    Le nombre par défaut est 8. Si vous saisissez -1, vous autorisez un nombre illimité de connexions ouvertes simultanément.

  • Max waiting time (ms) : saisissez le temps maximum d'attente à la fin duquel la réponse à une demande d'utilisation de connexion doit être retournée par le pool de connexion. Par défaut, la valeur est -1, c'est-à-dire un temps illimité.

  • Min number of idle connections : saisissez le nombre minimal de connexions inactives (connexions non utilisées) maintenues dans le pool de connexions.

  • Max number of idle connections : saisissez le nombre maximal de connexions inactives (connexions non utilisées) maintenues dans le pool de connexions.

Evict connections

Cochez cette case pour définir les critères de destruction de connexions dans le pool de connexions. Les champs suivants sont affichés une fois la case cochée.

  • Time between two eviction runs : saisissez l'intervalle de temps (en millisecondes) à la fin duquel le composant vérifie le statut des connexions et détruit les connexions inactives.

  • Min idle time for a connection to be eligible to eviction : saisissez l'intervalle de temps (en millisecondes) à la fin duquel les connexions inactives sont détruites.

  • Soft min idle time for a connection to be eligible to eviction : ce paramètre fonctionne de la même manière que l'option Min idle time for a connection to be eligible to eviction mais garde le nombre minimal de connexions inactives, nombre défini dans le champ Min number of idle connections.

Utilisation

Règle d'utilisation

Ce composant est utilisé sans avoir besoin d'être connecté à d'autres composants.

Vous devez déposer un tRedshiftConfiguration près des sous-jobs Redshift associés, afin de les exécuter dans le même Job, pour que la configuration soit utilisée par le Job complet lors de l'exécution.

Puisque Redshift utilise S3 pour stocker des données temporaires, vous devez déposer un composant tS3Configuration, dans le même Job que le tRedshiftConfiguration, pour que la configuration de S3 soit utilisée par le Job complet lors de l'exécution.

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

Dans l'onglet Spark Configuration de la vue Run, définissez 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 (Yarn Client ou Yarn Cluster) :
    • Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration.

    • Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration.

    • Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake (apercu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
    • Lorsque vous utilisez d'autres distributions, utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser le tHDFSConfiguration.

  • 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.